澄清概念：什么是 AI agent loop

1. agent loop 是什么？跟普通对话有什么不一样

你已经习惯了「问一句，模型答一句」的聊天模式；agent loop 则是让模型「自己循环决策、自己继续做事」的一种工作方式。

• 普通对话 / 单轮调用：
  你给出完整问题 → LLM 一次性给出完整回答 → 结束。
• agent loop：
  你给出目标或任务 → LLM 在一个循环里不断：判断现状 → 制定/调整计划 → 选择工具或下一步 → 执行动作 → 观察结果 → 再判断是否继续 → … 直到停止条件满足。

可以把它想象成：

• 单轮调用：模型像「一次性顾问」，只回一封长邮件。
• agent loop：模型像「实习生」，会自己查资料、试方案、写草稿、改错，一环扣一环。

一个最小对比例子

任务：给我写一份 200 字以内的杭州 3 日旅游计划。

单轮调用方式
你：请写一份 200 字以内的杭州 3 日旅游计划
LLM：直接给出一个 200 字左右的行程安排（可能有错、有遗漏，但不会自己再改）。

简单 RAG / 工具调用方式
你：请写一份 200 字以内的杭州 3 日旅游计划
系统：先用检索工具查「杭州景点」→ 把检索结果塞给 LLM → LLM 一次性写出计划。

agent loop 方式（简化版）

每一轮，agent 都会问自己：下一步该干嘛？

极简的实现可能是：

1. 第一步：写一个「不考虑字数」的详细 3 日行程。
2. 第二步：自检：我刚才写的内容是否超过 200 字？
   • 如果是：自己重写一个 200 字以内的版本
   • 如果否：直接返回

这是一个只有 2～3 轮的 小 loop，已经体现出：

• 模型不是一次性输出；
• 它会根据上一轮的结果，自我检查和调整。