Agent loop：思考 → 行动 → 检查 → 重复

四个步骤

AI agent 通常在一个循环里工作：

1. 思考：为了这个目标，下一步合理的动作是什么？
2. 行动：调用一个工具（读文件、执行代码、请求 API）
3. 检查：查看结果——成功了吗？有新信息吗？
4. 重复：回到第 1 步，直到目标达成或循环被终止

为什么要循环，而不是一步到位？

因为真实的任务很少能一次性解决。修一个 bug 可能需要：读文件、理解错误、提出改动方案、跑测试、检查结果、再调整。每一轮都会带来新信息，影响下一个决定。

举例

目标：“修好这个失败的测试。”第 1 轮：agent 读取错误信息。第 2 轮：agent 打开相关文件。第 3 轮：agent 改一行代码。第 4 轮：agent 重新跑测试。第 5 轮：测试通过——完成。

风险：无限循环

没有边界的话，agent 可能会迷失方向——永远尝试同一个错误的方案，或者把成本推得越来越高。所以好的 agent 需要停止条件：最大轮数、预算上限，或明确的成功标准。