智能体循环：实战指南

不要再只是给智能体发提示词了。开始设计循环吧。

大多数人将 AI 智能体当作聊天机器人使用。他们输入一段提示词，然后等待结果。这只是单次任务，称不上是智能体。

智能体循环（Agentic Loop）则不同。它是一个能够执行工作、检查结果并决定是否继续的系统。

没有检查的任务，仅仅是在寄希望于运气。

循环工程（Loop Engineering）的艺术，是将你的精力从编写提示词转向设计系统。你不再进行手动输入，而是构建一个按计划运行或以目标为导向的循环。

循环的工作原理：

  • 观察：智能体读取文件或运行测试。
  • 行动：智能体进行一次微小的、可逆的更改。
  • 检查：智能体运行一项固定测试，以查看是否奏效。
  • 决策：智能体选择继续、因成功而停止，或因受阻而停止。

最重要的规则：使用独立的模型来检查工作。编写代码的模型在给自己评分时往往过于宽容。你需要“执行与复核”（maker-checker）的分离。由一个智能体执行，由另一个不同的智能体进行验证。

使用以下五个模块构建你的循环：

  • 触发器：循环何时开始？
  • 输入：智能体检查哪些最新的状态？
  • 行动：它将进行哪项单一且有界的更改？
  • 检查：哪项固定测试决定了成功？
  • 停止：何时因成功、预算耗尽或失败而停止？

如果缺失了任何一个模块，你的循环就会发生偏移或陷入死循环。

为了确保循环的安全，你必须设置三个硬性停止条件：

  • 最大迭代次数：对轮数设置上限。
  • 无进展检测：如果智能体没有做出任何可衡量的更改，请停止它。
  • 预算上限：对 Token 或金额设置硬性限制。

软件开发的瓶颈不再是编写代码，而是如何清晰地定义目标和检查机制，以便智能体可以在无需人工干预的情况下自主运行。

构建循环，但始终保持工程师的身份。

来源：https://dev.to/truongpx396/the-agentic-loop-a-practical-field-guide-mnc