第四讲：技术实战：给智能体装上“心脏起搏器”——详解 Agent Loop 四相循环

背景：失控的"永动机"

还记得上次小刘那个因为死循环而刷爆信用卡的智能体吗？虽然加了紧急熔断，但杨工知道，那只是"急救"，不是"治疗"。

杨工："小刘，上次你的Agent之所以失控，是因为你把'思考'和'行动'混成了一锅粥。它想一步登天，结果陷入了无限递归。今天，我们要给它装一个真正的心脏------Agent Loop 四相循环。"

小刘拿出笔记本，准备记录这个来自 Claude Agent SDK (2025-09-29) 的核心秘籍。

第一幕：拆解循环------从"混沌"到"秩序"

杨工在白板上画了一个巨大的闭环箭头，把它切成了四块蛋糕。

杨工："听着，一个健康的Agent循环，必须严格拆分为四个阶段：Gather → Action → Verify → Iterate。缺一不可，顺序不能乱。"

1. Gather Context (收集上下文) ------ "观察路况"

小刘："这一步是不是就是把Prompt塞给模型？"

杨工："不全是。这是信息聚合的时刻。不仅仅是用户的提问，还包括：

上一步Action的执行结果（成功还是报错？）。
外部工具返回的数据（数据库查到了什么？）。
当前的系统状态（内存够吗？文件存在吗？）。

Gather 就是把所有散落在地上的拼图捡起来，拼成一张完整的'当前局势图'，再喂给模型。"

2. Take Action (执行动作) ------ "转动方向盘"

小刘："然后模型就开始输出了？"

杨工："对，模型基于Gather到的信息，决定下一步做什么。是调用搜索工具？是写一段代码？还是直接回答用户？

关键点 ：这一步必须是原子化的。一次只做一个明确的动作，不要让它试图在一次输出里完成'查询+分析+总结+写代码'所有事情。动作越单一，越不容易出错。"

3. Verify (验证结果) ------ "检查仪表盘"

小刘："模型输出了，不就完了吗？为什么要验证？"

杨工（敲黑板）："这是最重要的一步！也是你上次失败的原因！模型是会撒谎的，也是会犯错的。

Verify 不是让模型自己问自己'我做得对吗'（那是自欺欺人），而是代码级的硬验证：

工具调用的返回码是200还是500？
生成的JSON格式合法吗？
输出的内容是否包含了敏感词？
如果Verify不通过，绝对不能进入下一步，必须直接打回重做！"

4. Iterate (迭代改进) ------ "修正路线"

小刘："如果验证失败了怎么办？"

杨工："这就是 Iterate 。把Verify发现的错误（比如'JSON解析失败'）作为新的Context，放回第一步 Gather，开始下一轮循环。

这就叫'吃一堑长一智'。模型看到错误反馈，会尝试换一种方式执行。但注意，这个迭代不能无限进行！"

第二幕：带 max_iterations 的"硬刹车"

小刘看着白板上的四个圈，若有所思："Gather, Action, Verify, Iterate......听起来很完美。但是杨工，万一它一直Iterate，永远验证不通过，岂不是又回到了死循环的老路？"

杨工笑了，他在循环旁边画了一个红色的计数器。

杨工："问得好。这就是图里那句最重要的话：带 max_iterations 硬刹车。"

杨工解释道："无论你的逻辑多完美，都必须假设模型会发疯。

你需要设定一个全局变量 current_step = 0。
每次进入循环，current_step + 1。
一旦 current_step > max_iterations（比如设为10），强制终止循环 。
不管任务有没有完成，不管模型还在说什么，直接切断电源，返回一个'任务超时'的错误给用户。
这就是驾驭工程 的底线思维：宁可任务失败，不可系统失控。"

尾声：从"玄学"到"工程学"

小刘合上笔记本，看着那个严谨的四相循环图，感慨道：

小刘："以前我觉得写Agent像是在炼丹，全看模型心情。现在有了这个四相循环，感觉像是在造精密仪器。

Gather 是传感器；
Action 是执行器；
Verify 是质检员；
Iterate 是修正算法；
而 max_iterations 是保险丝。"

杨工（点头）："没错。这就是 Claude Agent SDK 想要传达的理念。把不可控的AI能力，封装在确定性的工程框架里。只有这样，你的Agent才能从实验室的玩具，变成生产环境的利器。"

这个循环怎么落地，我把这四个阶段整理成了一个伪代码模板，你可以直接参考：

python

复制代码

# Agent Loop 四相循环伪代码模板

MAX_ITERATIONS = 10  # 硬刹车阈值

def run_agent_loop(user_request):
    context = initialize_context(user_request)
    step = 0

    while step < MAX_ITERATIONS:
        step += 1

        # 1. Gather Context (收集上下文)
        current_state = gather_state(context)

        # 2. Take Action (执行动作)
        llm_response = call_llm(current_state)
        action_result = execute_tool(llm_response.tool_call)

        # 3. Verify (验证结果) - 关键！
        is_valid = verify_result(action_result)

        if is_valid:
            return action_result  # 成功，退出循环

        # 4. Iterate (迭代改进)
        # 将错误信息加入上下文，供下一轮使用
        context.append({"role": "system", "content": f"Error: {action_result.error}"})

    # 触发硬刹车
    raise Exception(f"Agent loop exceeded max iterations ({MAX_ITERATIONS})")