agentloop

Agentloop

概念

AgentLoop(智能体循环)是AiAgent的核心机制，是思考->行动->观察的循环，直到任务完成或出发终止条件。

步骤：

1. 接收输入。Agent拿到用户的请求或者上一轮循环的结果，把信息放到上下文中。
2. 推理决策。基于当前的上下文进行思考、判断。
3. 执行行动。如果模型决定调用工具，系统就执行对应的工具操作。
4. 观察和判断。把工具的结果放到上下文中，然后继续推理。模型看到信息后再次判断下一步干啥。

循环次数的控制

设置太小复杂任务做不完，设置太大如果Agent陷入了错误的循环，会浪费token。

所以一般在提示词里会有让大模型自己判断循环次数：简单任务给少一点循环次数，复杂的给多一点，看看执行进展来决定要不要继续。

AgentLoop上下文控制

AgentLoop上下文太大会导致成本太大

1. 结果压缩。每隔几轮就把之间的过程压缩成总结概要
2. 活动窗口。只保留最近的几轮的完整信息。
3. 分层存储。把工具返回的数据、详细的记忆等外部存储，上下文值放再要和引用。

Agent在循环中自我纠错

如果Agent在自我循环中一直做错误决策怎么办？

1. 可以将报错结果直接给大模型，多数大模型会知己调整好。
2. 添加一个反思机制，每进行一轮或几轮让大模型进行反思做的对不对。
3. 设置专门的监督Agent，发现不对就打断他。

AgentLoop的并发

Open ai 的tool calling 可以做到，Agent可以一块 调用工具然后把所有结果一起放进上下文里。

终止条件的设置

1. 自然终止，让Agent自己判断任务完成了，在提示词里告诉他如果觉得任务完成就直接输出答案。
2. 设置最大循环阈值，可以是轮数、token、时间等。
3. 操作检测，识别并打断异常问题。比如连续几次调用同一个工具切工具返回的结果相同，或者联系几轮报错没进展等。

（当Agent在快要触发硬性上限的时候刚好有了突破性进展，可以给他额外续几轮）

判断Agent是否在有效推理

1. 把最近的工具调用和参数作去重，如果就剩下一两个，就肯呢个陷入了循环。
2. 对比最近几轮的输出内容，如果内容相似，就说明没进展。