引言

上一篇我们说到，AI Agent 的智能来自模型本身，而程序员的角色是造"车"（Harness）。但在讨论这辆车的具体构造之前，有一个更基础的问题要回答：Agent 和普通的 LLM 对话到底区别在哪？

你用 ChatGPT 的日常体验是这样的：你问一句，它答一句。你再问，它再答。每一轮对话都是你发起的。模型永远在"等你"。

但 Agent 不一样。你说一句话之后，它可能自己忙活了十分钟，中间调用了二十个工具，最后才回来跟你说"搞定了"。

这两者之间的鸿沟，其实只隔着一个东西——一个 while 循环。

Agent Loop：可能是软件史上最重要的 while 循环

先说结论。Agent 的最小结构可以用几行伪代码表达：

就这么多。这就是所谓的 Agent Loop（代理循环）。

拆开来看：

把对话发给模型，让它思考该做什么
检查模型的回复——它是直接给了文字答案，还是要求调用某个工具？
如果是文字答案，说明模型认为任务完成了，把答案返回给用户，循环结束
如果是工具调用，执行这个工具，把执行结果塞回对话历史，回到第1步

核心思想很简单：让模型自己决定什么时候"再做一步"，什么时候"到此为止"。

一个具体的例子

光看伪代码可能还是抽象，用一个真实场景走一遍。

假设你打开 Claude Code，对它说：

"帮我看看这个项目里有没有 bug"

接下来发生的事情是这样的：

整个过程中模型的回复：
"我检查了项目代码，发现并修复了两个问题： 1. main.py 中的 SQL 查询存在注入风险，已改为参数化查询 2. db.py 中事务异常处理缺少回滚，已补充 rollback 逻辑 所有 15 个测试均已通过。"

整个过程中，你只说了一句话。模型自己走了八步。每一步都是它自己判断的——读什么文件、改什么代码、什么时候跑测试、测试失败了怎么办。

这就是 Agent Loop 的威力。

为什么这个循环如此重要

你可能会想：就一个 while 循环，有这么了不起吗？

了不起的地方在于，它改变了控制权的归属。

在传统软件里，控制权在程序员手里。程序走哪条分支、调用什么函数、执行什么顺序，全是代码写死的。用户按下按钮，程序做预设的事。

在普通的 LLM 对话里，控制权在用户手里。每一轮都是用户发起的，模型只是响应。

而在 Agent Loop 里，控制权交给了模型。 模型自己决定下一步做什么，自己决定什么时候结束。程序员不预设流程，用户不需要逐步引导。

flowchart LR
    subgraph 传统软件
        direction TB
        S1["步骤 A"] --> S2["步骤 B"] --> S3["步骤 C"]
    end

    subgraph LLM 对话
        direction TB
        L1["用户提问"] --> L2["模型回答"]
        L2 --> L3["用户再问"]
        L3 --> L4["模型再答"]
    end

    subgraph Agent Loop
        direction TB
        U["用户说一句话"] --> A1["模型决策"]
        A1 --> A2["调用工具"]
        A2 --> A3["模型决策"]
        A3 --> A4["调用工具"]
        A4 --> A5["模型决策"]
        A5 --> A6["返回结果"]
    end

    style S1 fill:#f0f0f0,stroke:#999
    style S2 fill:#f0f0f0,stroke:#999
    style S3 fill:#f0f0f0,stroke:#999
    style L1 fill:#e8f4fd,stroke:#1890ff
    style L3 fill:#e8f4fd,stroke:#1890ff
    style L2 fill:#fff7e6,stroke:#fa8c16
    style L4 fill:#fff7e6,stroke:#fa8c16
    style U fill:#e8f4fd,stroke:#1890ff
    style A1 fill:#fff7e6,stroke:#fa8c16
    style A2 fill:#f6ffed,stroke:#52c41a
    style A3 fill:#fff7e6,stroke:#fa8c16
    style A4 fill:#f6ffed,stroke:#52c41a
    style A5 fill:#fff7e6,stroke:#fa8c16
    style A6 fill:#f6ffed,stroke:#52c41a

这是一个根本性的范式转换。

关键洞察：循环本身永远不变

再看一眼那段伪代码。从 Claude Code 到 Cursor、Devin、各种编程 Agent，它们的核心循环结构都是一样的。差异不在循环本身，而在循环上"挂"了什么东西：

挂了什么工具？能读文件还是能操作数据库？能跑终端命令还是能发 HTTP 请求？
喂了什么知识？项目文档、代码规范、行业知识？
怎么管理上下文？对话太长了怎么办？怎么让模型记住重要的东西、忘掉不重要的？
设了什么权限边界？允许模型自己执行命令还是每一步都要人确认？

循环是骨架，这些东西是血肉。骨架简单到不能再简单，但血肉的设计可以极其复杂——这也是为什么不同的 Agent 产品体验差异巨大，即使它们底层用的是同一个模型。

Agent 的能力 = 模型的智能 × Harness 的质量

模型的智能我们管不了（等 Anthropic 和 OpenAI 迭代），但 Harness 的质量完全在我们手里。

小结

这篇文章的核心信息：

Agent 和普通 LLM 对话的区别就在一个 while 循环——Agent Loop
这个循环做的事很简单：模型调了工具就继续，没调工具就结束
它的重要性在于把控制权从程序员/用户转移给了模型
循环本身不变，变的是往循环上"挂"什么东西——工具、知识、上下文、权限

那"挂什么东西"这件事到底怎么做？怎么设计才对？这就是下一篇要聊的 Harness 工程——可能是 AI 时代程序员最重要的新技能。

一个循环改变一切 —— AI Agent 的最小结构

评论区

需要帮助？