flowchart LR
N0["01 输入与状态"]
N1["02 模型决策"]
N2["03 结果解析"]
N3["04 计划与调度"]
N4["05 动作与反馈"]
N5["06 终止与恢复"]
N0 --> N1 --> N2 --> N3 --> N4 --> N5
Agent Loop
现代 Agent Engineering 学习路线：Agent Loop
0 子目录9 文档
CHAPTER OVERVIEW · 章节概览
从最小循环出发，明确输入、状态、决策和动作；再加入计划、调度、终止与错误处理，避免无界运行。
本章学习路线
箭头表示建议的学习顺序；先理解问题，再逐步进入实现与实践。
按顺序学习
9最小 Agent Loop 实现先不要加入计划器和多 Agent。我们只做一个循环：把当前消息交给模型，执行它请求的工具，再把结果交回去。等这条路径清楚以后，再加入步数、超时和取消限制，保证它不只会启动，也能结束。结构化输出与 Agent 状态机人可以从一句话猜出“接下来去搜一下”的意思，程序却需要明确的动作名称和参数。结构化输出把这些信息分开；状态机再约束什么阶段允许做什么。两者配合使用，才不会把一段看似合理的文字直接当作执行命令。Agent Loop 的终止条件、超时与错误处理循环一直在运行，不代表任务一直在进展。它可能重复同一个调用，也可能等不到外部结果。下面分别处理完成、出错、超时和用户取消，确保每种停止都有清楚的原因，也不会留下继续工作的子任务。任务拆分与 Plan 表示：从目标到可验证执行图“把登录功能做好”还太宽泛，执行时需要拆成能检查结果的小任务。计划不仅写动作，还要写依赖和完成条件。下面先把一个大目标拆开，再讨论什么时候需要根据新信息调整计划。Task Scheduler：依赖、并发、资源与动态重规划计划写出了任务清单，接下来仍要决定哪个任务现在能跑、最多同时跑几个、失败后是否重排。调度器负责这些执行安排。把它与负责拆分目标的 Planner 分开，能减少“计划里写了就算正在做”的混乱。Workflow 流程控制模式：从确定性链路到自主 Agent Loop有些步骤必须固定执行，有些分支才需要模型判断。Workflow 可以把这两部分明确连接起来。下面从顺序、分支、并行和汇合开始，再处理审批与失败，避免把所有控制逻辑都塞进提示词。Output Parser 与结构化响应：从 Provider 事件到可执行决策收到模型输出后，第一步不是立刻执行，而是确认它到底表示什么。JSON 能解析，只证明语法成立；工具是否存在、参数是否合理、当前是否允许执行，还要继续检查。本章把这些检查分层说明。Agent Loop 分层与机制选择一个简单循环跑通以后，不必立刻升级成复杂工作流。先看实际遇到了什么问题：会卡住，就补停止机制；任务很长，再补计划；需要重启后继续，再考虑持久化执行。下面按问题选择机制，不把分层图当作必经升级路线。Agent Loop 推荐阅读读循环实现之前，先想一个很小的任务：读取文件中的数字，再调用计算工具得到结果。只要能看清调用、结果回传和停止条件，就已经有了合适的起点。下面的资料用于逐步补上错误处理，而不是比谁的框架更复杂。