Agent Loop：AI 是怎么从"一句一答"进化成"自己干活"的

Agent Loop：AI 是怎么从"一句一答"进化成"自己干活"的

如果只用一个概念来解释"Agent 和普通聊天机器人到底差在哪"，我的答案会是 Agent Loop。这篇文章想用最通俗的方式，把它讲清楚。

---

一个"一句一答"解决不了的问题

你跟 ChatGPT、DeepSeek 聊天的时候，交互模式是这样的：

你说一句 → 它回一句 → 结束

一问一答，单次往返。这叫 Single-pass（单轮响应）。

绝大多数聊天场景下，够用了。你问"量子纠缠是什么"，它给你解释清楚，完事儿。

但有些事情，一个来回搞不定。比如你说：

帮我查一下最近三个月 A 股涨幅最大的 10 只股票，分析它们的行业分布，然后做一张可视化图表。

这里面有搜索、有筛选、有数据处理、有图表生成。中间任何一步的结果都会影响下一步怎么做，出了错还得回头调整。

单轮响应干不了这事。

Agent Loop 就是为了解决这个问题而存在的。

---

Agent Loop 是什么

一句话：Agent Loop 是让 AI 在循环里反复"推理 → 调工具 → 看结果"，直到任务完成或触发停止条件的执行循环。

换成生活比喻：普通聊天是问路，路人指一下就走；Agent Loop 是你请了个私人助理，他接了任务后自己一趟趟跑腿------查资料、打电话、算账、画图，中间发现不对还回头重来，最后把成品交到你手上。

听起来抽象？拆成伪代码就六行：

while not done:
    response = call_llm(messages)        # LLM 想一步
    if response has tool_calls:          # 它决定调工具
        results = execute_tools(...)     # 执行工具
        messages.append(results)         # 结果塞回上下文
    else:
        done = True                      # 不调了，输出答案
return response

就是一个 while 循环。

LLM 每跑一轮，要么决定调用某个工具继续干活，要么判断任务完成、输出最终结果。循环会一直转，直到它认为"够了"或者触发了你设置的停止条件（比如最大迭代次数、token 预算）。

Anthropic 的工程团队有个说法挺到位的："Agent 通常就是 LLM 在一个循环里基于环境反馈使用工具。"

---

每一轮循环里，AI 在做五件事

把循环拆开，每轮内部跑五个阶段：

1. 感知（Perceive）：接收输入------用户的指令、上一轮工具的结果、或者一条报错，全部塞进上下文。
2. 推理（Reason） ：LLM 想清楚"现在什么状况、目标达成了吗、下一步干嘛"。这一步是整个循环的大脑。
3. 规划（Plan）：复杂任务先拆成子步骤、排优先级；简单任务直接跳到执行。
4. 行动（Act）：真正动手------调 API、查数据库、跑代码。这些动作都通过"工具"完成，工具定义了名称、描述和参数 schema。
5. 观察（Observe）：检查结果------成功了吗？数据对吗？够了吗？没完成就把结果追加进上下文，回到第 1 步继续转。

五个阶段，不断循环。这就是 Agent Loop。

---

用一个例子走一遍

任务：找 2026 年引用量最高的 Agent Memory 论文，总结核心发现。

• 第 1 轮：推理"得先搜论文" → 调学术搜索 API → 拿到 15 篇论文和引用数。
• 第 2 轮：推理"引用最高那篇 340 次，得拿全文" → 调文档检索工具 → 拿到摘要和核心章节。
• 第 3 轮：推理"信息够了，可以总结了" → 不调工具，直接生成 → 输出答案，退出循环。

三轮、三次工具调用、一个完整答案。用单轮响应根本没法做------你不可能在一次 LLM 调用里同时搜索、检索、总结。

---

三种主流"干法"

Agent Loop 是统称，具体到"LLM 在循环里怎么思考和行动"，业界演化出了几条路子。

ReAct：边想边做

全称 Reasoning + Acting，2022 年普林斯顿和谷歌联合提出。机制很直觉：每一步先想（Thought），再做（Action），然后看结果（Observation）。

想完做，做完看，看完再想。

优点：灵活，每一步都可以根据上一步的结果调整策略，碰到意外能随时应变。

缺点 ：每轮都调 LLM 做推理，token 消耗高，延迟也高。适合：探索性任务、路径不确定、需要随时纠偏的场景。

Plan-and-Execute：先想好再做

把"规划"和"执行"彻底拆开：先让一个 Planner 生成完整的任务计划，再让一个 Executor 按计划逐步走，走完所有步骤任务结束。

优点：LLM 调用次数少，规划只做一次，执行阶段每步不需要重新推理。

缺点 ：计划本身有问题、或者执行中环境变了，整个流程容易跑偏。适合：步骤清晰、环境稳定、对成本敏感的任务。

Reflexion：做完回头看

在 ReAct 的基础上加了一层"反思"。三个组件协作：Actor（执行者） 按 Thought → Action → Observation 循环干活，Evaluator（评估器） 做完后打分，Self-Reflection（反思器） 复盘"哪一步判断错了、为什么失败、下次怎么避免"，把结论存进情景记忆。

下次遇到类似任务，Agent 从记忆里取出之前的反思笔记，作为上下文的一部分送给 LLM。

相当于给 Agent 配了一本**"错题本"**。

优点：能从失败中学习，不改模型权重、只靠自然语言反馈就能让 Agent 持续进步。

缺点 ：每多一次尝试就多一轮完整循环，加上反思本身也是一次 LLM 调用，token 消耗是三种里最高的；而且它依赖明确的成功/失败信号。适合：需要迭代提升、有清晰评估标准的任务。

三种怎么选

维度	ReAct	Plan-and-Execute	Reflexion
决策方式	每步都推理	先规划后执行	执行后反思改进
灵活性	高	低	中
Token 消耗	高	低	最高
适合场景	路径不确定	步骤明确	需要迭代提升

实际工程里三种经常混着用：Plan-and-Execute 做顶层框架，每个子步骤内部用 ReAct 处理不确定性，整体再加 Reflexion 做复盘。

---

上生产之前，先想清楚两件事

成本

Agent 每转一圈就是一次 LLM 调用。它的 token 消耗大约是普通聊天的数倍，复杂任务上能到几十倍；一个不受约束的 Agent，单次任务成本能到几美元。

控成本的手段：能用 Plan-and-Execute 就别用 ReAct------规划一次比每步推理便宜得多；给每个 Agent 设 token 预算；缓存工具调用结果；Prompt Cache 可以砍掉大量重复输入成本。

可观测性

普通聊天就一个来回，出了问题一目了然。Agent 可能跑了 15 轮循环，调了 8 个工具，中间还有分支判断。结果不对的时候，你得知道：第几轮开始跑偏的？哪个工具返回了错误数据？LLM 的推理在哪一步出了岔子？

没有结构化日志和追踪，Agent 就是黑盒，出了问题无从下手。生产环境需要：每一轮的推理过程、工具选择、参数、返回值全部记录；支持按时间线回放；连续多轮没进展时自动告警。

---

最容易被忽视的一环：停止条件

没有停止条件的 Agent Loop 是危险的。

一个真实案例：某团队部署的网页爬虫 Agent，目标网站改了页面结构，爬虫工具开始返回空数据，而 prompt 写着"重试直到拿到数据"------于是它 5 分钟内循环了 400 次，烧掉几千个 token，直到撞上平台速率限制才停下来。

如果设了最大迭代次数（哪怕只是 3 次），这事根本不会发生。

生产环境推荐的停止条件：最大迭代次数、token/成本预算、无进展检测、目标达成检查。这几个条件叠着用，互为保底。

---

它和传统编程的本质区别

初次接触 Agent Loop 的人经常会问：这跟我写个 for 循环调 API 有啥区别？

区别在控制权。

传统编程里，循环做什么、怎么做、何时停，全部由你的代码决定，逻辑是硬编码的。

Agent Loop 里，每一轮做什么、调哪个工具、传什么参数，是 LLM 在运行时动态决定的。你写的代码只提供循环框架和工具集，具体走哪条路，是 Agent 自己"想"出来的。

所以 Agent 能处理开放性任务------你不需要提前写好所有的 if-else 分支。

代价是 Agent 也会出错------毕竟决策权交给了一个概率模型。

---

思考与总结

1. Agent 的本质，是把程序的控制流从确定性代码转移到了概率模型上。

这既是它强大的地方------能应对开放式任务；也是它危险的地方------你没法用单元测试保证它每一步都对。所以我们才需要日志、预算、停止条件这些"工程护栏"。很多人做 Agent 只盯着 prompt 打磨，其实真正决定它能不能上生产的，是这个循环骨架搭得结不结实。

2. 最反直觉的一点：越聪明的 Agent 越贵，工程上反而要用"笨办法"省钱。

ReAct 每步都推理、Reflexion 还要反思，效果是好，但 token 消耗成倍上涨。于是现实里的最优解往往是"反着来"------先规划好、少推理，用更"机械"的方式把成本压下来。这跟"用更聪明的模型"的直觉正好相反。

3. 停止条件，才是 Agent 设计里最被低估的细节。

"什么时候停下来"比"怎么干"更关键。一个不会停的 Agent，再聪明也是事故现场。这让我联想到：评估一个 Agent 系统成不成熟，别问它"能干什么"，先问它"干不完的时候，会不会体面地停下来"。

4. Agent 和 AI 的本质区别：AI 负责"想"，Agent 负责"做成"。

大模型（AI）本质上是一个"知识 + 语言"引擎：你问它答，被动响应，一次一问一答，能力边界就停在"输出一段内容"。

Agent 则是在 AI 之上加了两样东西------手（工具） 和 眼睛（环境反馈），再套上一个循环。它不再是"回答一个问题"，而是"搞定一件事"：自己拆目标、定计划、调工具、看结果，错了回头改，直到完成。

所以可以这么记：AI 负责"想"，Agent 负责"做成"。 没有 AI，Agent 就没有大脑；但光有 AI、不给它循环和工具，它永远只是个会说话的聊天机器人。

---