Agent Loop：AI 從“一句一答”變成“自己幹活”，關鍵就差這一個循環

同樣一個大模型，爲什麼有人只拿它聊天，而有人已經讓它自己查資料、跑代碼、交結果？差別不在模型，而在外面套沒套一個循環。這篇把 Agent Loop 講透，結尾給你一套今天就能抄的最小實現。

先說結論：Agent Loop 就是“想一想、動動手、看一眼”無限循環。大模型負責想，工具負責動手，反饋負責糾偏。沒有循環，模型一次只答一句話；有了循環，它能把一句話的任務拆成十幾步自己走完。你缺的從來不是更強的模型，而是一個敢讓它循環起來的架子。

這個循環裏有三個角色，分工很清楚。第一個是規劃器，拿到目標先拆步驟，比如“先搜文檔，再寫腳本，最後驗證”。第二個是執行器，真的去調工具：搜網頁、讀文件、跑命令。第三個是裁判，拿着執行結果對照目標，行就繼續，不行就打回去重想。三者轉起來，AI 纔有了“幹活”的樣子。

抄作業的話，最小版本只需要四樣東西。一個系統提示詞，寫清目標和可用工具；一個工具註冊表，哪怕只有“網頁搜索”和“執行代碼”兩個；一個最多跑十輪的循環上限，防止燒錢停不下來；一個每輪的日誌，記下它在想什麼、調了什麼。跑起來之後你會發現，大部分失敗都栽在提示詞沒寫清工具的輸入格式，補兩行示例就好大半。

什麼時候別上這個循環，也得說清楚。查一條確定的知識、翻譯一段話這種一步到位的活，直接調模型更快更便宜。循環適合的是“步驟不確定、中間要看結果再定下一步”的活：排查線上問題、做技術調研、批量處理一批格式各異的文檔。判斷標準就一條：人做這事要不要分好幾步看情況，轉頭就用循環，一步到位就別折騰。

今天就可以動手：挑一個你每週都要做兩三次的多步驟雜活，比如收一堆報錯日誌先分類再找已知方案。照上面的四件套搭個十輪循環，上限設死，日誌打開，跑三天看效果。跑通了你會發現，省下來的不是那幾分鐘，而是“不用守着它”的注意力。 來源｜博客園 Tomorrowland《Agent Loop：AI 是怎麼從一句一答進化成自己幹活的》，https://www.cnblogs.com/Tomorrowland/p/23203861.html