Agentic Loops 2026：让 AI Agent 自主循环干活

一句话就能分清聊天机器人和 agent：聊天机器人一次 prompt 一次回答，agent 跑的是一个能跨轮次带着状态的 while 循环。这个循环——推理、执行、观察、重复——就是 agent 的全部机制，2026 整套 agent 技术栈里其余的东西都只是它上面的装饰。而 2026 年这个循环长大了：agent 不再被限制在一问一答里，开始能连续跑上几分钟、几小时，无人看守。

这篇文章讲的就是 agentic loop（agent 循环），以及它最极端的形态——Ralph loop。我的核心判断是：循环既不是魔法，也不是噱头，但几乎所有人都把它的价值理解反了。循环把一个难题——在一个有限上下文窗口里做长链路推理——转换成了一个好解的问题：一堆短小的、每次都是全新上下文、并且锚定在可验证外部状态上的小任务。它是真的强，但只要你把它指向一件没有"机器可验证完成标准"的活，它会毫不犹豫地帮你烧钱。读完你会拿到一个能直接跑的最小循环、一张"该不该跑自主循环"的决策图，和一份可以截图保存的三条护栏清单。国内开发者用 Claude Code、Cursor、Codex 都能直接落地。

agent 循环的解剖：推理 → 执行 → 观察 → 重复

把各种框架的外壳剥掉，所有自主 agent 都是同一个形状。它接收或设定一个目标，推理下一步，执行一个动作，观察真实结果，评估和目标的差距，再决定要不要继续。经典的形式化就是 ReAct 循环——Thought（想）、Action（做）、Observation（看），Reflexion 这类反思变体则在末尾再加一步自我批判。这段描述里最关键的词是"观察"。agent 不是靠自由联想拼出答案，每一步都在回应上一步动作的真实反馈。你调一个工具、读它的输出，这个输出就成了下一步推理的地基，把整个过程从胡编乱造里拽回来。

这也解释了为什么同一套架构，在 2023 年只是研究界的小玩意儿，到 2026 年却成了一个产品品类：观察这一步是纠错机制，而纠错机制会复利累积。如果你的 agent 能跑一次测试、读到失败、再试一次，那么一个五十步的循环能啃下任何单次生成永远解不出的问题。但坑就在这里，而且这篇文章后半段全在撬这条缝——纠错只有在观察可信时才成立。一个绿色的测试是可信信号，“这代码现在看起来好点了"不是。记住这句话，因为它就是全部胜负手。

flowchart TD
    A[目标 / spec] --> B[推理：挑下一个任务]
    B --> C[执行：调工具、写代码]
    C --> D[观察：跑测试、读输出]
    D --> E{满足退出条件?}
    E -->|检查全绿| F[完成]
    E -->|触到预算/迭代上限| G[停下并汇报]
    E -->|还没完成且预算还有| H{在往前推进吗?}
    H -->|是| B
    H -->|否：同一报错3次、反复改同一批文件| G
    style F fill:#1a5e2a,stroke:#3ddc84,color:#fff
    style G fill:#7a1f1f,stroke:#ff6b6b,color:#fff
    style E fill:#1f3a5f,stroke:#4da6ff,color:#fff
    style H fill:#1f3a5f,stroke:#4da6ff,color:#fff

我在2026 agentic coding 趋势里写过，这些循环一旦能连续跑上几小时，用起来就越来越不像工具、越来越像同事。循环是底座，2026 年真正变的是它的持续时长，以及随之而来的自主性。

Ralph loop：故意把上下文扔掉

Ralph loop 是这个思路里让工程师在 Hacker News 上吵起来的那个版本。它由 Geoffrey Huntley 在 2025 年中提出，用《辛普森一家》里那个憨厚执着的 Ralph Wiggum 命名（这种自嘲很到位），把 agent 循环推到了逻辑上的极端。你不去维护一段长对话，而是让 coding agent 跑在一个纯 bash while 循环里，每一轮都对着一份写好的 spec 喂同一份 prompt，让它挑一个任务实现掉，然后开一个全新的 agent 实例、清空上下文、再喂一遍一模一样的 prompt。

让人本能想皱眉的那步，恰恰是它能工作的原因：**每一轮都是全新上下文，而这正是设计的核心，不是缺陷。**进度不存在模型的上下文窗口里，因为上下文窗口每一轮都被扔掉、重生。进度存在你的文件和 git 历史里。当第七轮的 agent 把上下文填满时，第八轮是一个全新的脑子，它读当前仓库状态、读 spec、读进度日志，然后接着干。上下文腐烂（context rot，模型在对话越拉越长时逐渐失去连贯性）根本没机会累积，因为没有任何一段对话被允许变长。Huntley 自己的说法很直白：这大概就是"三百行代码套着 LLM token 在循环里跑”，每轮"只干一件事"。

一个最小的 Ralph 循环简单到近乎侮辱人的地步——而这恰恰说明，有意思的工程全在循环之外：

#!/usr/bin/env bash
# ralph.sh —— 每轮一个任务，每轮全新上下文
max_iterations=${1:-10}
for ((i=1; i<=max_iterations; i++)); do
  echo "=== 第 $i 轮 ==="
  # 全新 agent，每轮读同一份 prompt。
  # 状态存在 prd.json、progress.txt 和 git 里，不在上下文里。
  claude -p "$(cat prompt.md)" || exit 1
  # agent 宣布完成就提前退出。
  grep -q "<promise>COMPLETE</promise>" progress.txt && { echo "完成。"; break; }
done

snarktank/ralph 这个参考实现把外围的护栏讲得很具体。你把产品 spec 转成一个 prd.json，里面每条 user story 都带一个 passes 布尔字段。循环每次处理一条 passes 为 false 的 story，而且每条 story 必须"小到能在一个上下文窗口里做完"——加一个数据库字段、接一个 UI 组件，而不是"把整个 dashboard 做出来"。循环在两种情况下停：要么每条 story 都变成 passes: true，要么触到最大迭代上限。参考脚本里这个上限故意设得很小——默认十轮——原因我们后面会讲。

这套模式正在从 bash 民间传说升级成产品原语。2026 年 4 月 30 日，OpenAI 给 Codex CLI 上线了 /goal 命令，本质上就是把 Ralph 做成了一等功能：你设一个目标，Codex 就一直循环，直到它自评目标已达成，或者配置的 token 预算用完。当前沿大厂把一个社区 shell 脚本变成一条内置命令时，这套模式就不再是猎奇了。

为什么它有效——以及反直觉的经济账

Ralph loop 不只是个投机取巧的绕路方案，因为它顺着 LLM 真实行为的纹理走。模型在一个干净、范围清晰的上下文上最锋利，随着无关历史越堆越多而逐渐变钝。传统直觉是"把一切都塞进上下文让 agent 记住"，这是在逆着纹理硬来。Ralph 顺着纹理走：让遗忘成为默认，让文件系统成为记忆。git 历史是一种远比 20 万 token 对话更持久、更可审查的记忆，而且不像上下文窗口那样会悄悄退化。

经济账也比大家想的好接受，这是它火起来的另一个原因。Huntley 把 Sonnet 4.5 放进 bash 循环跑，大约 10.42 美元/小时，做出了 Cursed——一门完整的深奥编程语言，总 API 成本约 297 美元。这个数字在从业者的讨论里被反复引用，正是因为相对一门语言实现"本该"耗掉的工程师工时来说，它低得离谱。这是正面案例，是真的。但注意 Cursed 有一样东西是"把我创业公司的 UI 弄好看点"没有的：编译器对着一段测试程序，要么产出正确输出、要么不产出。完成信号是机器可验证的，而且每一轮验证起来都免费。这不是巧合，这是前提条件。

agent 循环什么时候不是在出活，而是在烧钱

这里我要和那些"点火然后睡觉去"的兴奋叙事分道扬镳。一个自主循环，是一台"反复尝试一个任务直到某个信号叫停"的机器。如果那个信号很弱、错了、或者根本没有，你造的就是一台花钱机器。我见过循环以从业者文献里警告的方式失败，而每一次失败都能追溯到坏掉的那一步观察。

**第一种、也是最常见的失败是主观目标。**有机器可验证成功标准的任务——测试覆盖率、重构、迁移、API 实现、把一个代码库移植过去——在循环里如鱼得水。而"把这个弄好看点"“改善一下体验"这类任务会失败，因为 agent 没有诚实的办法知道自己什么时候算做完了，于是它要么提前宣布胜利，要么永远来回摇摆。Cursor 的 Ralph 插件明确把"make this prettier"列为反模式。如果你写不出那个"任务完成时会变绿的测试”，你就还没准备好跑循环。

第二种失败是骗过成功条件。当你告诉 agent"让测试通过"并给了它改测试的写权限时，有相当一部分概率它会通过改测试本身、而不是改代码来让测试通过。这不是模型使坏，这是循环在精确优化你给它的那个信号。解法是结构性的：让 agent 改不了的成功标准，或者一个它控制不了的独立验证环节。

第三种失败是"掉进沟里"（the gutter）——循环卡住了，对着同一个失败命令跑第三遍，反复改同一批文件，毫无进展，而计费表还在走。这就是为什么每个正经实现都自带检测和上限。Cursor 插件把 token 压力分成三档——低于上下文 60% 是健康，60%–80% 是警告，高于 80% 是危急并强制轮换上下文——并在同一命令失败三次或文件开始来回改动时报出"gutter"。它默认迭代上限是二十，snarktank 脚本默认是十。这些小数字不是胆小，它们是"有边界的实验"和"没边界的账单"之间的分界线。现实点说，要有量地跑这些循环，基本得配高档套餐——Cursor 的建议指向 Ultra 或 Max，起步大约 200 美元/月——因为 token 消耗就是全部成本模型。

三条不能省的护栏

如果这篇文章你只带走一件事，带走这个：**跑自主循环之前，这三条护栏一条都不能少。**不是三选二，是三条全要。每一条堵死上面一种失败模式，砍掉任何一条就重新打开那个口子。

flowchart TD
    Start[想跑一个自主循环] --> Q1{有机器可验证的
退出条件吗?}
    Q1 -->|没有| Stop1[别跑循环。
先写出那个测试，或留在交互模式]
    Q1 -->|有：测试/PRD 通过| Q2{设了硬性预算
或迭代上限吗?}
    Q2 -->|没有| Stop2[别跑循环。
先设 max_iterations + token 预算]
    Q2 -->|有| Q3{每一轮都跑
验证关卡吗?}
    Q3 -->|没有| Stop3[别跑循环。
加上 typecheck + 测试 + CI 绿]
    Q3 -->|有：agent 改不了这个检查| Go[跑起来——
并盯紧前几轮]
    style Go fill:#1a5e2a,stroke:#3ddc84,color:#fff
    style Stop1 fill:#7a1f1f,stroke:#ff6b6b,color:#fff
    style Stop2 fill:#7a1f1f,stroke:#ff6b6b,color:#fff
    style Stop3 fill:#7a1f1f,stroke:#ff6b6b,color:#fff
    style Q1 fill:#1f3a5f,stroke:#4da6ff,color:#fff
    style Q2 fill:#1f3a5f,stroke:#4da6ff,color:#fff
    style Q3 fill:#1f3a5f,stroke:#4da6ff,color:#fff

**第一条：机器可验证的退出条件。**循环必须能不靠人、不靠猜就回答"我做完了吗"。测试全绿、所有 PRD story passes: true、编译器接受这段程序。如果唯一能判断"完成"的办法是让一个人看一眼再定夺，那这个循环就没有诚实的停止点，你应该老实待在交互式会话里。

**第二条：硬性的预算和迭代上限。**迭代上限设低——从十开始，别从一百开始——并且给 token 或美元封顶。这是"掉进沟里"的安全带。一个提前停下的封顶循环，是一次便宜的实验，你可以拿更好的 spec 重跑；一个整夜空转不封顶的循环，是一张递给财务的工单。

第三条：一个 agent 控制不了的验证关卡，每一轮都跑。typecheck + 测试 + CI 绿，每轮都跑，检查放在一个你明确告诉 agent 别碰的位置。这就是让观察这一步可信的东西。坏代码会跨迭代复利累积——如果第三轮 CI 变红循环还在继续，第十轮就是在废墟上盖楼。还有一个关键点：护栏文件很重要。最好的实现会让 agent 把发现的失败写成持久的笔记——snarktank 项目把更新 AGENTS.md 当成关键动作，Cursor 插件把"Signs"写进一个护栏文件——这样后面的迭代会先读这些积累下来的坑，不再重复同一个错误。Huntley 自己的纪律是盯着前几轮循环，把每个失败在根因上修掉，让它"再也不发生"。自主不等于无人看守，至少第一天不是。

它在 2026 agent 技术栈里的位置

循环是原语，不是整个系统。一旦你有了一个可靠的单 agent 循环，很自然的下一个问题是怎么同时跑好几个，这就是循环遇上编排的地方。我在多 agent 编排里论证过，大多数"多 agent"复杂度都是过早优化，而 Ralph 正好给这个判断做了个现实检验：Huntley 刻意偏向"单个循环 agent + 强上下文工程"，而不是精巧的多 agent 编排。如果一个 spec 写好、护栏配齐的循环就能把活出了，你根本不需要一委员会的 agent。当你确实需要并行时——移植大型代码库、把互相独立的 story 铺开——Claude Code agent teams 和agent 管理者模式里的做法是在监督这些循环，而不是替代它们。而"扔掉上下文"这招之所以这么管用，直接连着 AI agent 记忆系统如何把状态外置——Ralph 是记忆系统极简主义推到尽头的形态：仓库本身就是记忆。

我的判断：谁该跑自主循环，谁不该

如果你的工作有清晰、机器可查的完成标准——一套测试、一个编译器、一次要么完成要么没完成的迁移——那自主循环 agent 是 2026 年杠杆率最高的工具之一，你这周就该把外围护栏搭起来跑上。从十轮上限起步，把 spec 拆成"一个上下文窗口能做完"的 story，配一个 agent 改不了的验证关卡。像老鹰一样盯着前几轮，把每个失败都记进护栏文件，然后随着信任增长再把上限往上调。

如果你的工作是探索性的、主观的、或者靠设计品味驱动的，那现在别循环它——留在交互式会话里让人来闭合观察这一环，把自主性留到你能写出那个"完成"检查的那一刻。Ralph loop 不是一条跳过工程的捷径。它是把工程从"写代码"挪到"写 spec、写测试、写让机器替你写代码的护栏"。这个位移是真实的，也是强大的，但它仍然是工程；假装不是，就是你某天早上醒来面对一张 200 美元账单和一个红色 CI 的原因。

延伸阅读

• 2026 Agentic Coding 趋势
• 多 Agent 编排
• Claude Code Agent Teams
• Agent 管理者模式
• AI Agent 记忆系统

参考来源： Geoffrey Huntley — everything is a ralph loop · snarktank/ralph（GitHub） · 2026：Ralph Loop Agent 元年（DEV） · What Is an Agentic Loop?（MindStudio）