🔁 Agent 循环理论 ★

从"单次"到"循环"

上一章我们看到一次工具调用的完整往返：模型输出 tool_calls → 执行 → 回传结果 → 模型再输出。Agent 循环就是把这个往返不断重复，直到模型认为任务完成、不再调用工具为止。

关键问题来了：谁来决定"继续"还是"停止"？ 答案是——LLM 自己。这就是 F1 章说的"控制权反转"。判断逻辑只有两种结果：

• 继续（Action）：模型还想调用某个工具 → 循环再来一轮。
• 停止（Finish）：模型不再调工具，直接给出最终回答 → 循环结束。

ReAct 范式：思考 + 行动

Agent 该怎么"决定下一步"？最经典、至今最常用的范式叫 ReAct（Reason + Act，2022 年论文提出）。它的核心是让 LLM 在每一步都显式地"思考"一下，再决定行动：

用文字还原一次完整的 ReAct 跑动

假设用户问："北京和上海哪个更热？" 一个 ReAct Agent 的内部过程：

用户: 北京和上海哪个更热？

【第 1 轮】
Thought: 我需要分别查两个城市的气温才能比较。先查北京。
Action: search_weather(location="北京")
Observation: {"temp": 25, "weather": "晴"}

【第 2 轮】
Thought: 北京 25 度。现在查上海。
Action: search_weather(location="上海")
Observation: {"temp": 30, "weather": "多云"}

【第 3 轮】
Thought: 北京 25 度，上海 30 度，上海更热。信息齐全，可以回答了。
Finish: 上海更热，30 度，北京 25 度。

状态机三阶段模型

换一个更工程化的视角看，每一轮循环（一个 "step"）内部其实经历三个阶段。这个三阶段模型是理解 LangGraph 的 Pregel 引擎（LG5）和 OpenCode runLoop（OC2）的关键：

三阶段在三大框架中的对应

同一个三阶段模型，不同框架用不同名字实现，但本质一致。这张表是本教程最重要的"对照表"之一，建议截图保存：

停止条件：循环何时结束

循环不能无限跑下去。Agent 必须有明确的停止条件，常见有四种：

一张图统合三大框架

把前面所有概念收束成一张"大图"。这就是本教程后续所有章节要反复回到的总参照系：

三大框架如何实现这个循环

同一个循环，三种工程实现路线。这是本教程的核心叙事线：

小结

• Agent 循环 = ReAct 范式（Thought → Action → Observation）的不断重复，直到 Finish。
• 每一步内部经历 Plan → Execute → Update 三阶段——这是理解 Pregel 引擎和 OpenCode runLoop 的钥匙。
• 停止条件四类：自然完成 / 步数上限 / 到达终点 / 中断；死循环需主动检测。
• 三大框架（LangChain / LangGraph / OpenCode）实现的是同一个循环，只是工程路线不同。