进二 Agent Loop：心脏手术

02.1 你的 Agent 为什么"卡"半天才吐字

你问一句，它三五秒才冒第一个字。不是模型慢，是流式响应的工程真相：

模型是一个 token 一个 token 往外吐的。首字延迟（TTFT）取决于：系统提示有多长、检索了几轮、工具跑了几秒。后面的字是边生成边推（SSE / WebSocket）。

核心建议：用户觉得"卡"，多半是首包太慢。先砍系统提示和检索轮数，比换模型管用。

02.2 模型 API 挂了怎么办？容错不是加个 try-catch

生产环境，API 一定会挂。新手写：

try:
    r = call_model(prompt)
except:
    r = "出错了"   # ← 这等于把锅甩给用户

生产级要做四件事：

1. 重试 + 退避：失败隔 1s、2s、4s 再试，别瞬间狂轰。
2. 熔断：某模型连挂，先停用，别拖垮全链路。
3. 降级：主模型挂，切备用模型（弱一点但活着）。
4. 幂等：重试不能让"发两次邮件"。

经验：容错的目标不是"不报错"，是"用户无感"。

02.3 死循环、重复犯错、Token 烧穿：三个保险丝

呼应 §09.4 的停止条件，我把它们叫 Loop 的三道保险丝：

for step in range(MAX_STEPS):            # 保险丝① 步骤
    if ctx.cost > BUDGET: break          # 保险丝② 成本
    if ctx.tool_fail_streak >= 3: break  # 保险丝③ 失败
    ...

注意：模型越强，越要紧边界。不是换更强模型，是装更牢的保险丝。