§09 Agentic 循环是 Agent 的发动机
09.1 2026 年 7 月 4 日
QubitTool 发了篇《Agent Loop 是什么》。我把核心拆给你。
09.2 它不是一次函数
传统 chatbot，像一次函数调用：你问，它答。
Agent Loop，像受控的事件循环：它多轮"观察→推理→行动→反馈"。
模型每轮都基于上一轮反馈，决定下一步。
09.3 标准七环节
生产级 Agent Loop，通常七步：
1. Goal 明确目标（含范围、标准、约束）
2. Context 构造上下文（注入最相关信息）
3. Reason 推理下一步（直接答/调工具/澄清/停）
4. Act 执行动作（调用工具）
5. Observe 读取反馈（工具结果是证据）
6. Update 更新状态（记步骤、观察、成本）
7. Stop 判断停止（达标/超步/超预算/需审批）
示意图 15：Agentic Loop 七步发动机
flowchart TD
G["1 目标 Goal"] --> C["2 上下文 Context"]
C --> R["3 推理 Reason"]
R --> A["4 行动 Act"]
A --> O["5 观察 Observe"]
O --> U["6 更新状态 Update"]
U --> S{"7 停止?"}
S -->|"否"| R
S -->|"是"| D["交付结果"]
style G fill:#e8f0fe,stroke:#2563eb
style D fill:#0ea5a4,stroke:#0f766e,color:#fff
09.4 边界比聪明重要
没有停止条件的 Loop，迟早变成本和风险黑洞。
常见停止条件：达标、到最大步数、到成本预算、工具连败、需高风险权限、信息不足。
注意：模型越强，越需要清晰边界。不是换更强模型，是设更紧的边界。
09.5 四个典型翻车
| 失败模式 | 表现 | 解法 | 标叔的结论 |
|---|---|---|---|
| 目标漂移 | 让修测试，它重构半模块 | 目标写进每轮上下文 | 边界要常驻 |
| 结果不可解析 | 工具返回一大段废话 | 工具输出结构化 JSON | 给 ok/error 字段 |
| 自我验证 | 自己写自己审自己判 | 换独立 Reviewer | 别又当又立 |
| 无成本上限 | 失败工具死循环重试 | 设步数/Token 预算 | 钱会烧穿 |
09.6 它不等于自主意识
这点必须说清。
Agent Loop 只是让模型多步执行任务。它能表现"一定的自主性"。
但本质，仍是受目标、上下文、工具、策略约束的运行机制。
别把它想成"活了"。
§09 讲完"发动机"。下一章讲"进化"——认知型 Agent，会监控自己、会学习。