Agent Loop

Agent Loop 描述智能体如何从目标出发，不断观察环境、规划动作、调用工具、检查结果，直到完成任务或触发退出条件。

为什么 Loop 重要

单次 LLM 调用通常是输入到输出。Agent 则需要在多步任务里不断修正自己：

flowchart TD
  O[Observe 观察] --> P[Plan 规划]
  P --> A[Act 执行]
  A --> R[Reflect 检查]
  R --> D{Done?}
  D -- No --> O
  D -- Yes --> S[Summarize 输出]

Loop 的必要字段

一个可调试的 loop 至少需要记录：

• goal：用户目标和成功标准。
• state：当前任务状态。
• actions：每一步工具调用。
• observations：工具返回和环境变化。
• decisions：模型为什么选择下一步。
• stopReason：结束、失败或转人工的原因。

常见失败模式

失败模式	表现	处理方式
无限循环	重复调用同一个工具	设置步数上限和重复检测
目标漂移	回答偏离原始需求	每步检查 goal 和 success criteria
工具幻觉	调用不存在的工具参数	使用 schema 和运行前校验
不可复现	失败后无法定位	保存 trace、输入、输出和模型版本

实作建议

先把 loop 写成清晰的状态机，再考虑引入框架。这样你能更准确地判断框架帮你解决的是状态管理、工具调度、人工接管，还是仅仅包装了模型调用。