Agentic Loops 2026：让 AI Agent 自主循环干活

凌晨两点四十，循环跑到第 41 轮。agent 从第 12 轮起就一直挂在同一个测试上——第 23 轮它"修好"了这个问题，方式是把断言删了。一小时前刚重写过的文件，现在正被朝反方向再重写一遍。终端还在滚，计费表还在走，没有人盯着。没人需要盯着，这本来就是 agentic loop（agent 循环）的全部卖点：给自主 agent 指个目标，你去睡觉，醒来收代码。

这个场景是我编的，但这种失败模式不是。它常见到什么程度？Cursor 的 Ralph 插件专门内置了一个检测器，还给它起了名字——the gutter（掉沟里）：同一条命令连挂三次、文件来回互相覆盖、零进展，账单照走。一种失败模式在正式产品里混到了自己的专属警报，说明已经有多少人演过这部片子。

可另一面是，这个循环又是 2026 整套 agent 技术栈里最重要的机制。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——推理、执行、观察、重复。其余一切都是这个循环上面的装饰。2026 年它长大了：agent 不再困在一问一答里，开始无人看守地连跑几分钟、几小时。

所以我的核心判断是这篇文章的脊柱：循环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。它的威力不来自模型在一段长对话里保持聪明，而来自一次问题转换——把"在有限上下文窗口里做长链路推理"这个难题，换成一堆短小的、每轮全新上下文、锚定在可验证外部状态上的小任务。

这个转换只在一种情况下划算：“完成"是机器可查的。把同一套机器指向一件没有可验证终点线的活，你搭出来的就是凌晨两点四十那一幕，还是按月付费的。

读完这篇你会拿到：一个能直接跑的最小循环、一张"该不该跑"的决策图、一份值得截图的三条护栏清单。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

把框架的外壳剥掉，所有自主 agent 都是同一个形状。接收或设定目标，推理下一步，执行动作，观察真实结果，评估差距，决定继不继续。经典形式化是 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。

这段描述里真正承重的词是"观察”。agent 不是靠自由联想拼答案，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，这个输出就是下一步推理的地基，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，2023 年只是研究界的小玩意儿，2026 年成了产品品类。观察是纠错机制，纠错机制会复利：一个能跑测试、读失败、再试一次的 agent，用五十步循环能啃下任何单次生成永远解不出的问题。

但坑就在这儿，这篇文章后半段全在撬这条缝——纠错只在观察可信时成立。绿色的测试是可信信号，“代码现在看起来好点了"不是。凌晨两点四十那个 agent 不是蠢，它在勤勤恳恳地优化一个早已失去意义的观察信号。

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，这些循环一旦连跑几小时，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 上吵起来的版本。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——这份自嘲很到位。它把 agent 循环推到了逻辑极端。

玩法是这样的：你根本不维护长对话。让 coding agent 跑在一个纯 bash while 循环里，每轮对着一份写好的 spec 喂同一份 prompt，让它挑一个任务做完，然后杀掉它，开一个全新 agent 实例、清空上下文、再喂一遍一模一样的 prompt。

让人本能皱眉的那一步，恰恰是它能跑通的原因：每轮全新上下文是设计核心，不是缺陷。进度不存在模型的上下文窗口里——窗口每轮都被扔掉重生。进度存在文件和 git 历史里。第七轮的 agent 把上下文填满了？第八轮是个全新的脑子，读当前仓库状态、读 spec、读进度日志，接着干。

上下文腐烂（context rot，模型随对话变长逐渐失去连贯性）根本没机会累积，因为没有任何对话被允许变长。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——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 这个参考实现展示了这十行外面的护栏长什么样。产品 spec 转成 prd.json，每条 user story 带一个 passes 布尔字段。循环每次处理一条 passes 为 false 的 story，且每条必须"小到一个上下文窗口能做完"——加一个数据库字段、接一个 UI 组件，而不是"把整个 dashboard 做出来"。全部 passes: true 或触到迭代上限，循环就停。参考脚本的上限故意设得很小——默认十轮——原因后面讲。

注意你的岗位职责刚刚发生了什么变化。在 Ralph 模式下，你不写代码，甚至基本不写 prompt。你写 spec、拆 story、定检查。原本泡在交互式会话里的每一小时，都改花在把 prd.json 磨锋利、把验证做到骗不过去——因为全新上下文的 agent 不记得你的任何意图，它只认写下来的东西。spec 含糊进去，四十一轮自信的废话出来。

这套模式正在从 bash 民间偏方升级成产品原语。2026 年 4 月 30 日，OpenAI 给 Codex CLI 上线了 /goal 命令，本质就是把 Ralph 做成一等功能：设一个目标，Codex 一直循环，直到自评达成或 token 预算用完。前沿大厂把社区 shell 脚本变成内置命令，这事就不再是猎奇了。

为什么有效——以及那门 297 美元的编程语言

Ralph loop 不是投机取巧的绕路，它顺着 LLM 真实行为的纹理走。模型在干净、范围清晰的上下文上最锋利，无关历史越堆越钝。传统直觉——把一切塞进上下文让 agent"记住"——是逆着纹理硬来。Ralph 顺着来：遗忘是默认，文件系统是记忆。git 历史比一段 20 万 token 的对话更持久、更可审查，而且不会悄悄退化。

经济账是它火起来的另一半原因，因为比几乎所有人的第一直觉都便宜。Huntley 把 Sonnet 4.5 放进 bash 循环，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。这个数字在从业者讨论里被反复引用，就因为它相对一门语言"本该"烧掉的工程师工时低得离谱。

但仔细看 Cursed 有一样东西，是"把我创业公司的 UI 弄好看点"没有的：编译器对着测试程序，要么产出正确结果，要么不产出。完成信号机器可验证，而且每轮验证都免费。这不是这个案例里的幸运细节，这是整套把戏的前提条件——话题就此绕回凌晨两点四十那一幕。

agent 循环什么时候不是在出活，而是在烧钱

这里我要和"点火然后睡觉去"的兴奋叙事分道扬镳。自主循环是一台"反复尝试直到某个信号叫停"的机器。信号弱了、错了、没有，你造的就是一台花钱机器。从业者文献里每一次有记录的失败——Huntley 的文章、Cursor 插件文档、社区帖子里的复盘——都能追溯到同一个坏掉的零件：观察这一步。

第一种、也是最常见的失败：主观目标。有机器可验证标准的任务——测试覆盖率、重构、迁移、API 实现、移植代码库——在循环里如鱼得水。“把这个弄好看点"“改善一下体验"这类任务必挂，因为 agent 没有诚实的办法知道自己做完没有，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。写不出那个"任务完成时会变绿的测试”，你就还没资格跑循环。

第二种失败：骗过成功条件。告诉 agent"让测试通过”，又给它改测试的写权限，有相当比例它会靠改测试本身来让测试通过——正是开头那个第 23 轮的操作。这不是模型使坏，这是循环在精确优化你给的信号。解法是结构性的：agent 改不了的成功标准，或一个它控制不了的独立验证环节。

第三种失败：掉进沟里（the gutter）——循环卡死，同一条失败命令跑第三遍，反复改同一批文件，零进展，计费表照走。所以每个正经实现都自带检测和上限。Cursor 插件把 token 压力分三档：低于上下文 60% 健康，60%–80% 警告，高于 80% 危急并强制轮换上下文；同一命令挂三次或文件开始来回改，就报 gutter。它默认迭代上限二十，snarktank 脚本默认十。

这些小数字不是胆小。一个封了顶、提前停下的循环是次便宜的实验，换个更好的 spec 就能重跑；一个整夜空转不封顶的循环，是一张递给财务的工单。现实点说，要有量地跑，基本得配高档套餐——Cursor 的建议指向 Ultra 或 Max，起步约 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

这篇文章只带走一件事的话，带走这个：三条护栏配齐之前，别跑自主循环。不是三选二。每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、不靠猜地回答"我做完了吗"。测试全绿、所有 PRD story 变成 passes: true、编译器接受这段程序。如果判断"完成"的唯一办法是让人看一眼再定夺，这个循环就没有诚实的停止点——老实待在交互式会话里。

第二条：硬性预算和迭代上限。上限设低——从十开始，别从一百开始——再给 token 或美元封顶。这是防"掉沟里"的安全带。十轮足够你搞清 spec 到底能不能跑循环；一百轮足够你在凌晨两点四十发现它不能。

第三条：一个 agent 控制不了的验证关卡，每轮都跑。typecheck + 测试 + CI 绿，每轮执行，检查放在明确告诉 agent 别碰的位置。这就是让观察可信的东西——坏代码会跨轮复利，第三轮 CI 变红循环还在跑，第十轮就是在废墟上盖楼。

第三条还有一个记忆环节，是正经实现和玩具的分水岭。最好的做法是让 agent 把发现的失败写成持久笔记——snarktank 项目把更新 AGENTS.md 当关键动作，Cursor 插件把"Signs"写进护栏文件——后面的轮次先读这些积累下来的坑，不再重复同一个错。Huntley 自己的纪律是盯着前几轮，把每个失败修到根上，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。有了可靠的单 agent 循环，下一个问题自然是怎么同时跑几个，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，Ralph 正好给这个判断做了现实检验：Huntley 刻意选"单个循环 agent + 强上下文工程"，而不是精巧的多 agent 编排。spec 写好、护栏配齐的循环能把活出了，你不需要一委员会的 agent。

真需要并行时——移植大型代码库、铺开互相独立的 story——Claude Code agent teams 和 agent 管理者模式里的做法是在监督这些循环，不是替代它们。而"扔掉上下文"这招之所以管用，直接连着 AI agent 记忆系统把状态外置的思路——Ralph 是记忆系统极简主义推到尽头：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——自主循环 agent 是 2026 年杠杆率最高的工具之一，这周就该把外围搭起来跑上。十轮上限起步，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。像老鹰一样盯前几轮，把每个失败记进护栏文件，信任涨了再调高上限。

如果你的工作是探索性的、主观的、靠设计品味驱动的，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，你就会亲自出演这篇文章的开场：看着第 41 轮又删掉一条断言。

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）