Agent 不是一个功能，是一段循环

ByteByteGo 在 7 月 8 日发了一篇长文，标题是《The Agent Loop: How AI Goes From Answering Questions to Doing Things》。它做了件中文社区很少有人系统做过的事——把 Agent 最底层的循环骨架拆给你看。

看完那篇文章，我更确信一件事：Agent 不是一个功能，是一段循环。你写不写这段代码，决定了你的 AI 是一锤子买卖，还是一个能自我迭代、持续运转的系统。

工程圈过去一年谈 Agent，谈的是「记忆」「身份」「多 Agent 协作」「最后一公里」「企业落地」。这些都是上层建筑。地基是 loop——也就是 LLM 自己决定「下一步该做什么、何时停下来」的那段代码。这段代码的有无，把 Chatbot 和 Agent 区分开。

Chatbot 和 Agent 的距离，比你想的窄

文章里有一句话点得很准：

A chatbot answers a question, and an agent completes a task. This seems like a huge difference. However, the gap between the two is narrower than it appears.

翻译成中文就是：聊天机器人回答问题，Agent 完成任务。听起来天差地别，差距窄得超出你的想象。

为什么窄？因为它们的「内核」都是同一个东西——一次 LLM 调用。区别只在外层有没有套一个 loop。套了 loop，模型自己决定什么时候停；没套 loop，开发者写死调用一次就完事。

把控制循环的那行代码从开发者手里交给模型，就是 Agent 化的全部。

但你一交出去，三件事跟着来：自主性、不确定性、还有代价。这三件事不分清楚，Agent 项目十有八九会死在 PoC 阶段。

循环里到底发生了什么

ByteByteGo 把一次循环拆成四步，命名很工程师：perceive、reason、act、observe。

• perceive：循环把当前状态塞进模型——原始任务、到目前发生过什么、新进来的输入是什么。
• reason：模型思考「下一步该做什么」，可以问问题、调工具、或者直接给最终答复。
• act：运行时执行模型刚才决定要做的事。
• observe：把执行结果收回来，塞进状态，等下一次 perceive。

四步循环，模型每跑一轮，就在「我想清楚了」和「世界给我的反馈」之间来回跑一遭。Observe 是一等公民——拿不到这一步，循环就退化成链，模型只能靠「上次期望」而不是「这次真实结果」往下走。那叫闭着眼开车。

一次循环，模型能挑四条路

更细看，每轮 reason 完，模型的输出有四种归宿：

1. Final answer：模型判定「我手上的够了」，输出最终答案，循环退出。
2. Tool call：模型点名要调一个函数、把参数写好，运行时去执行、把结果塞回状态。
3. Handoff：模型判定「这事归另一个 Agent 干」，运行时换身份继续 loop。
4. Continued thought：模型没采取任何外部动作，只是把一段 reasoning 写进状态、让下一次循环接着想。