Agent Loop 如何组织任务执行？

核心回答

Agent Loop 是围绕当前任务状态反复进行决策、执行和反馈的控制过程。每一轮都把任务要求与已有结果交给模型，由模型决定下一步；运行系统执行合法的工具调用，把真实结果写回状态，再判断继续、等待输入还是结束。

一轮通常包括五步：

1. 构建输入：组织任务目标、当前进度、历史消息、相关资料和可用工具。
2. 模型决策：生成工具调用请求、直接回答，或提出需要用户补充的问题。
3. 执行动作：检查工具是否存在、参数和权限是否符合要求，再调用工具。
4. 更新状态：把调用与结果关联起来，记录新事实、进度、错误和资源消耗。
5. 判断下一步：目标未完成则进入下一轮；需要信息或审批则暂停；满足完成条件或触发停止条件时结束。

例如查询某类商品及库存，第一轮先搜索商品，拿到商品 ID 后，下一轮才能查询对应库存，最后结合两次结果回答。循环的作用就在于让下一步依赖前一步的实际反馈，而不是一次性猜出整条路径。

展开说明

循环开始时，要把任务和状态准备好

用户输入进入任务状态后，系统需要保留目标、用户确认的约束、已经取得的结果和当前进度。模型每次调用所看到的上下文，再从这些状态中选择必要部分组织起来。

状态与上下文并不完全相同。状态可以包含完整的工具执行记录、文件位置、重试次数和累计成本；每次模型输入只放当前决策需要的信息。较大的工具结果可以保留摘要与定位，按需回读，避免整份日志持续挤占上下文。

运行前还要明确可用工具及其参数约定，并配置任务的时间、调用次数或成本预算。这些是循环能否继续的外部条件，不依赖模型自己记住。

模型负责选择动作，运行系统负责把请求变成操作

以“查最受欢迎的无线耳机，并检查是否有库存”为例：

1. 模型看到用户目标和商品搜索、库存查询工具，先请求搜索无线耳机。
2. 系统检查工具与参数后执行搜索，得到带商品 ID 的候选列表。
3. 搜索结果回到上下文，模型选择符合条件的商品，再请求查询该 ID 的库存。
4. 库存结果回传后，模型结合商品信息和库存状态生成回答。

这里搜索与库存查询存在数据依赖：库存工具需要的商品 ID，要从前一步结果取得。系统不能在还没获得 ID 时凭空填写参数。

现代工具调用通常使用结构化请求，包含工具名、参数和调用 ID。运行系统应根据协议识别调用，而不是看到普通文本中出现“调用工具”就执行。流式输出时，也要在请求已完整到足以校验后执行，避免把尚未接收完的参数当作有效动作。

用户自定义工具通常由应用执行；托管工具也可能由服务端执行。无论执行位置在哪，模型生成调用请求，都不能直接当作操作已经成功。

工具结果为什么必须回到状态里

模型不会自动知道程序刚才做了什么。系统需要保留它发出的调用，并将对应结果按调用 ID 关联回去，下一轮才能知道哪个动作成功、返回了什么，以及哪个动作需要调整。

例如库存查询返回“商品不存在”，下一轮应检查 ID 是否选错或数据是否发生变化；返回超时，则要按错误策略判断能否重试。不能把失败包装成普通成功文本，也不能只在后台日志中记错却不给下一轮必要反馈。

一个模型响应可能包含多个调用。彼此独立的只读查询可以并行；存在依赖、状态冲突或写入顺序要求的操作，则按依赖和业务规则执行。结果仍要分别关联到原调用，不能把完成得最快的结果误配给另一个请求。

状态更新让下一轮能够延续任务

至少要能区分：当前已知事实、正在执行的动作、已经取得的结果，以及仍未满足的目标。错误次数和预算消耗也应由系统记录，避免模型忘记此前失败或不断重置计数。

任务短且无恢复需求时，状态可以只保存在本次运行中；需要跨进程继续或人工介入时，再按需要持久化检查点。保存检查点也不等于外部动作自动具有“只执行一次”的语义：恢复前仍要确认写入状态，必要时使用幂等机制。

原始执行记录与模型上下文可以分别管理。关键结果需要能追溯，是否长期保留完整返回值则取决于调试、审计、隐私和存储要求；不能一概认为“摘要后原始结果都能丢弃”。

结束判断既看模型响应，也看任务条件

模型给出最终回答、没有再请求工具，通常表示这一轮决策准备结束，但还要检查结果是否满足任务。对于查询任务，要确认关键数据齐全；对于代码修改，要看相关测试；对于业务写入，要核对实际状态。

需要用户补充信息或审批时，应记录为等待状态，等输入到位后继续。权限不足、不可恢复错误、超预算或用户取消，则明确终止原因。

模型空输出、格式解析失败或响应被截断，不应直接记为成功，也不能无条件重新调用。可以按预设策略有限恢复，仍失败就返回清楚的错误和已完成部分。

ReAct 的“思考、行动、观察”概括了这种反馈机制；工程实现可以用普通循环，也可以用带条件边的状态图。它不要求公开模型的内部思维过程，也不要求所有 Agent 都采用同一种固定步骤数。

递进追问

Agent Loop 和预定义 Workflow 有什么区别？

区别主要在下一步由谁决定。Workflow 通常由代码或图规定步骤与分支；Agent Loop 会让模型根据当前结果选择动作。两者可以结合，例如审批与权限检查走固定流程，资料搜索由 Agent 动态决定。

为什么不能一次让模型生成所有工具调用？

独立查询可以批量生成；有数据依赖的调用，必须等前一步取得结果。例如先搜索出商品 ID 才能查对应库存。一次猜出所有参数会掩盖中间信息缺口，也失去根据失败结果调整路径的能力。

一次模型调用就是一次完整任务吗？

一次模型调用只产生当前决策。完整任务可能经历多次模型与工具交互，也可能因需要用户输入而暂停后继续。记录模型轮次、工具调用和任务状态时，应区分这几个层级，才能解释耗时和失败位置。

Loop Engineering 又强调什么？

它强调对循环的输入、执行、反馈、状态和退出条件做工程设计，也可能包含一次 Agent 运行之外的事件触发与再次调度。具体语境可能有差异，讨论时先说明是在讲单次任务内的 Agent Loop，还是任务之间的外层调度，避免把定时重启当成循环本身。

对应教程

参考资料