AI 编码智能体 Agentic Loop 拆解
原文:https://dev.to/devopsdaily/the-agentic-loop-explained-step-through-the-plan-build-judge-and-repeat-loop-behind-ai-coding-36g2(作者 @devopsdaily)
问一个聊天模型要一个注册接口,你只会得到一个答案。编码智能体的工作方式不一样:它可以写路由、跑测试、读失败信息、修好它,然后一直继续,直到某个检查判定任务完成。里面的模型可以是同一个,区别在于外面套了一个循环——这正是本文要讲的内容:把 Agentic Loop 一步一步拆开,配一个可以暂停、单步执行、也能故意弄崩的动画模拟器。

披露:我参与开发了这个模拟器;它免费、在浏览器里运行,无需注册。
一次调用与一个循环
单次模型调用读入提示词、写出一次回复。Agentic Loop 把这件事变成一个循环:收集上下文,用工具执行一个动作,对照目标检查结果,然后再来一次,直到目标达成或预算耗尽。模型负责每一步内部的思考。包裹它的 harness 掌管这个循环、这些工具,以及最重要的——何时停止的规则。
Anthropic 的 Building effective agents 描述了一个近亲——评估器-优化器(evaluator-optimizer)工作流:「一次 LLM 调用生成响应,另一次在循环中提供评估与反馈。」一种可能的设计在此基础上更进一步,把工作拆成三个角色。
Plan、Build、Judge
Agentic Loop Simulator 用这三个角色跑完一个任务:「加一个可用的 /signup 端点(密码哈希,返回 201)」。先说清楚你在看什么:这是一段预先编排的演示流程。浏览器里没有模型、编辑器或测试套件在运行,每一步都是提前写好的,只为展示这个模式。三张卡片依次亮起:
- Plan(planner agent):决定朝目标迈出的唯一下一步。
- Build(builder agent 加上工具):执行它,这里是对
routes/signup.ts的一次编辑。 - Judge(一个独立的 judge agent):对照目标和规格给结果打分。
卡片下方的判定门显示每次 judge 步骤后的决定:「目标未达成 ✗ 回到 plan 循环」或「目标达成 ✓ 停止」。把 judge 关掉后,builder 给自己的工作打分,判定门显示「自检认为完成 ✓ 停止」,尽管目标并没有达成。点 Play(速度是故意放慢的,1x 下每步约 2.3 秒),或用 Prev、Next 或方向键单步走。速度可以从 0.5x 调到 2x。
默认开启独立 judge 时,脚本要跑三轮循环:
- builder 写出 handler。judge 步骤显示
npm test失败,否决了这次提交:密码是明文存储的。 - builder 加上 bcrypt 哈希。测试这回通过了,judge 仍然否决,因为端点返回 200 而规格要求 201。字幕说得很直白:「测试全绿不等于目标达成。」
- builder 返回 201 Created。judge 通过,循环停止。
循环运行时,注意它下方的两个面板。Loop state 跟踪当前迭代、带进度条的 token 计数器、目标是否达成、测试套件是否通过。Context window 面板会为每次 plan 和 edit 添加一个标记,让你看到上下文在每一轮循环后都变长。
关掉 judge
现在把「Separate judge agent」开关关掉,再点 Play。这次由 builder 给自己的工作打分。第一轮没通过自己的测试,转回去再来一轮。第二轮加上哈希,测试全绿,builder 判定自己完成了。运行以卡片「Stopped by its own self-check」结束,随后又一步把它变成「Shipped a confident bug」:端点返回 200 而不是 201,而整个循环里没有任何一步把成果与规格做过对比。
这就是需要独立检查的理由。自检可能漏掉 builder 从未测试过的需求,而一个自带指令、面前摆着规格的审查者可能把它们抓出来。
真实智能体也会停在并不衡量目标的检查上。在一次记录下来的运行里,一个智能体把两个测试追加到 if __name__ == "__main__": 下面——unittest 永远不会收集它们——然后报告「All 8 tests pass (6 pre-existing + 2 new ones)」。同一套测试在智能体之外重新运行,打印出 Ran 6 tests。
带 judge 的运行 token 计数器最终停在 91k,不带 judge 是 56k,但这些是脚本里写好的数值,不是对验证成本的实际测量。
上下文如何推高循环成本
token 计数器下方的提示写着:「整个上下文每轮循环都会重新发送,所以每一轮都比上一轮更贵。」脚本里三次带 judge 的循环分别增加 27k、31k 和 33k。在真实 harness 中,保留历史让每次请求变大,而压缩(compaction)、选择性上下文和缓存则往反方向拉。无论哪种情况,循环都需要一个 judge 能检查的停止条件,外加一个轮数硬上限,以防它永远到不了终点。Anthropic 的指南把这些称为停止条件,「例如最大迭代次数」。在 Claude Code 的无头模式里,这个上限是 --max-turns,默认没有限制。
一个可以直接运行的玩具循环
完全不接任何模型,也能看到 harness 的逻辑。在这个 Python 玩具里,planner 和 builder 都是桩函数,只会套用一份固定的修改列表。真正值得读的是这个循环、两个 judge 以及 max_loops 上限:
# 一个玩具 harness:"agent" 是桩,循环是真的
SPEC = {"hashed": True, "status": 201}
FIXES = [{"route": True}, {"hashed": True}, {"status": 201}]
def build(code, step):
return {**code, **FIXES[step]} if step < len(FIXES) else code
def tests_pass(code): # builder 自查的内容
return code.get("route") and code.get("hashed")
def meets_spec(code): # 另一个 judge 检查的内容
return tests_pass(code) and code.get("status") == SPEC["status"]
def run(judge, max_loops=5):
code = {"status": 200}
for loop in range(1, max_loops + 1):
code = build(code, loop - 1)
if judge(code):
return f"stopped after {loop} loops, status {code['status']}"
return "hit max_loops"
print("self-check: ", run(tests_pass))
print("separate judge: ", run(meets_spec))
self-check: stopped after 2 loops, status 200 separate judge: stopped after 3 loops, status 201
结果和模拟器一致,但有一句实话要说在前面:玩具里 judge 之所以"赢",是因为它多检查了一项要求——状态码。把这项检查加进 tests_pass,自检也会停在正确的位置。所以这个玩具并不能证明你一定需要第二个 agent。它说明的是:一个循环停在哪里,取决于它对「完成」的定义,而这个定义必须覆盖 spec,而不只是你手上已有的那些测试。
它如何对应真实的 coding agent
模拟器底部把每张卡片对应到了 Claude Code。Plan 是 planner 子 agent,或 plan 模式下的一轮对话,负责写下下一步。Build 是主 agent 调用它的 Read、Edit 和 Bash 工具。Judge 是另一个独立的评审子 agent,理想情况下跑在不同的模型上。最后这一部分建议当作一个可选项去验证,而不是硬性规则:Claude Code 子 agent 文档 演示了如何定义一个评审者,为它配置自己的系统提示词、工具和 model,以及 maxTurns 上限。换用不同模型是否有帮助,取决于你的任务。
想了解更完整的图景——包括修到全绿(fix-until-green)、实验、过夜分诊这几类循环,以及为了控制成本拆出的执行者与顾问角色——可以读配套文章 Stop Prompting, Start Looping: Agentic Loops Explained。然后把模拟器跑两遍,一遍带 judge、一遍不带,比较两次各自把什么算作完成。这个定义,就是循环里真正需要你设计的部分。
你的 agent 设置里有独立的 judge 步骤,还是让同一个 agent 自查自己的工作?在评论区告诉我们。
原文:https://dev.to/devopsdaily/the-agentic-loop-explained-step-through-the-plan-build-judge-and-repeat-loop-behind-ai-coding-36g2(作者 @devopsdaily)
