上一篇讲了野行 Y 的地基，是一个模型驱动的循环。这篇把这块单独拎出来，讲清楚它在代码里到底怎么转，我又是怎么写的。
先看这个循环的骨架，简单到有点不像话：
只要还没排完：把现在知道的一切喂给模型，它决定下一步调哪个工具，执行那个工具，把结果塞回去，回到开头。
模型每一轮只做一个决定：就现在这些信息，下一步该干嘛。可能是搜目的地，可能是反问你几天，可能是估这段路开多久，也可能是行程排好了、该出报告。工具的结果回到上下文里，它看到结果，再决定下一步。这就是野行 Y 的核心，代码在 loop.py 的主循环里。它不关心「第几步该做什么」，就是反复地喂上下文、拿动作、执行、再喂回去，直到模型自己调 submit_plan 提交行程。
很多人第一次做「AI 规划行程」，第一反应是搭一条流水线：提取目的地，查机票，查酒店，排每天，拼成行程，输出。这条线能跑，demo 里跑得还挺顺。可一放到真人面前，它一碰就碎。
碎在真实的规划过程，从来就不是一条直线。有人跟你说想去高原自驾，你得先问他几天、几个人、开什么车，可也许他一句话就说全了，那就不该问。你查到稻城亚丁回成都要开八个多小时，一天开不完，你得回头，把这天拆成两天，中间加个住宿点。你查机票时发现某个地方压根没有直飞，你得换个思路。用户聊到一半突然改主意，说不去高原了换海岛，整条线得重来，可之前确认过的东西又不能全丢。
回头，换路，重来。流水线处理不了这三件事。你只能往里塞 if-else，塞到最后变成一坨谁都不敢碰的状态机，改一个分支，三个地方冒 bug。
循环换了个思路。它里面没有「第几步」的概念，只有「当前状态」和「下一步决定」。用户改主意，新消息进上下文，模型下一轮自然照新意图走。驾时太长要拆天，模型看到那段路返回八小时，自己决定加个住宿点。某个地方没直飞，工具返回无数据，它看到就换策略。规则从代码里，搬到了模型的判断里。我不再维护一个庞大的状态机，我维护的是：给模型什么工具、什么上下文、什么约束。
讲到这，听着像是把活全交给模型，它自己就搞定了。真跑起来你会发现，事情没这么美。
一个裸的 while 循环，会出两类事故。一类是它不收敛，一直搜一直查，绕圈子，就是不提交，你在旁边等得冒火。另一类是它跑偏，用户明明说了怕高反，它排个四千七的垭口还连着长途；用户带着老人，它给你排一天开八小时。
所以野行 Y 那个 loop，真实的样子一点都不优雅。它有很大一部分代码，是在兜模型的底。我挑几个真实的护栏说说。
它想拿一大段文字把行程糊弄过去、不调工具？拦下来。代码里有个计数器盯着，还没出报告就吐一大段文字，回注一句「别用纯文字，必须调 submit_plan 出正式报告」，逼它规规矩矩出结构化的东西。弱一点的模型最爱这么偷懒。
它查资料查上瘾，搜了三四次还在翻游记、迟迟不进正题？直接把搜索工具从它眼前撤掉。看不见搜索工具，它就只能往下走去排线。这一手比光靠文字提示管用，工具不在手里，它想绕也绕不了。
它想直接出报告？不行。出报告之前必须先把主线骨架摆给你确认一次，人得在环里。代码里强制着：submit_plan 之前如果一次确认都没走过，打回去，先摆给你看再说。
而且在摆给你看之前，还有一道换脑子的核对。模型刚排完主线，我不敢让它自己检查自己。它上下文里全是「我为什么这么排」的理由，让它自查，它容易自我确认，觉得排得挺好。所以另开一个干净的子 Agent，只拿着你的原始要求和这版主线，逐条核对有没有硬伤：怕高反却上了高海拔？带着老人却单日暴走？三个人里有一个人的必去点被漏了？揪出硬伤就打回重排。它接在你看到主线之前，所以有问题的版本你根本看不到，已经被拦下来重排了。
自驾的行程，出报告前还必须先算一遍每天的驾车时长。不然弱模型爱跳过这步，给你排出一天开十二个小时、一千多公里的鬼路线。代码里同样是强制的：没算过驾时就想提交，打回。
最后还有一道墙钟闸。步数上限这道护栏，在慢模型下形同虚设，一步就可能等一百多秒，撑不到步数用完，外部早超时了。所以我另加一个计时器：跑满五分钟还没出报告，不管它到哪一步，逼它用手上已经核实过的真实地名收尾。宁可行程短一天，也别转圈转到超时，给用户一个白屏。
你发现没有，做一个 agentic loop，最花力气的地方，不在「让模型自由决定」那句漂亮话，在后面这一堆「别让它自由过头」的护栏。让它自由是一行 while，兜住它乱来是几百行。做一个 agentic loop，力气主要就花在这圈护栏上。模型再聪明，也有犯浑的时候，系统得在那些时刻还能体面、还能收场。
这就是野行 Y 的循环：一个模型驱动的主循环，加一圈护栏兜着。它是整个 Agent 的引擎，后面每一块都挂在它上面转。
而循环里，模型每一轮能调的那些动作，搜目的地、估驾时、查机酒、提交行程，它们有个统一的名字，叫工具。工具的集合，划定了这个 Agent 能干什么、不能干什么。下一篇，就讲工具怎么设计。