http://www.heyuan110.com/zh/tags/agentic-loops/Recent content in Agentic Loops on Bruce AI 工程笔记HugozhFri, 03 Jul 2026 14:00:00 +0800http://www.heyuan110.com/zh/posts/ai/2026-07-03-agentic-loops/Fri, 03 Jul 2026 14:00:00 +0800http://www.heyuan110.com/zh/posts/ai/2026-07-03-agentic-loops/<p><img src="http://www.heyuan110.com/posts/ai/2026-07-03-agentic-loops/cover.webp" alt="2026 agentic loop 与 Ralph loop：让 AI agent 自主循环干活" loading="lazy" decoding="async" fetchpriority="low" width="1200" height="630" /> </p> <p>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，<strong>agent 跑的是一个能跨轮次带着状态的 while 循环</strong>。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。</p> <p>这篇文章讲的就是 <strong>agentic loop（agent 循环）</strong>，以及它最极端的形态——<strong>Ralph loop</strong>。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&quot;机器可验证完成标准&quot;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&quot;该不该跑自主循环&quot;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。</p> <h2 id="agent-循环的解剖推理--执行--观察--重复">agent 循环的解剖：推理 → 执行 → 观察 → 重复<a href="#agent-%e5%be%aa%e7%8e%af%e7%9a%84%e8%a7%a3%e5%89%96%e6%8e%a8%e7%90%86--%e6%89%a7%e8%a1%8c--%e8%a7%82%e5%af%9f--%e9%87%8d%e5%a4%8d" class="anchor" aria-hidden="true"><svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"> <path d="M15 7h3a5 5 0 0 1 5 5 5 5 0 0 1-5 5h-3m-6 0H6a5 5 0 0 1-5-5 5 5 0 0 1 5-5h3"></path> <line x1="8" y1="12" x2="16" y2="12"></line> </svg></a></h2> <p>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 <strong>ReAct 循环</strong>——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&quot;观察&quot;。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。</p>