Agent Loop

Mon, 01 Jan 0001 00:00:00 +0000

Agent Loop

原创发布时间：2026-07-06 | 更新时间：2026-07-06

所谓 Agent Loop 就是以 Reason-Act Loop（推理-行动循环）的方式让 LLM 自我驱动工作，直到 LLM 认为可以输出最终结果。

Act（行动）通常是通过调用工具（tool/function）与外部系统互动，通过获取信息理解环境，通过作用于外部从而改变环境。

功能示意图#

flowchart TD
    Start([用户输入]) --> A["❶  组装 Prompt"]
    A --> B["❷  LLM 推理"]
    B --> Choice{❸  调工具?}
    Choice -->|是| C["❹  执行工具"]
    Choice -->|否| Done([回复用户])
    C -->|loop| B

    style A fill:#dbeafe,stroke:#3b82f6
    style B fill:#dbeafe,stroke:#3b82f6
    style C fill:#fef3c7,stroke:#f59e0b
    style Start fill:#d1fae5,stroke:#10b981
    style Done fill:#d1fae5,stroke:#10b981

其中 ❷ → ❸ → ❹ → ❷ 的循环可以发生多次，直至 LLM 不再产生 Tool Calling 意图或设定的最大循环次数到达。

多Agent架构

Mon, 01 Jan 0001 00:00:00 +0000

多Agent架构

原创发布时间：2026-08-07 | 更新时间：2026-08-07

多Agent架构就是联合多个Agent共同完成一个任务。

多Agent中的每个Agent本身依然可以跑Agent‑Loop（ReAct)。

为什么需要多Agent架构#

多Agent相对单Agent的核心优势，分来两个角度展开：

克服LLM的能力上限角度：
1. 专业化分工，注意力集中，工具集、技能集最小化，system prompt极简。
2. 上下文隔离，每个子Agent拥有独立上下文，只输出中间结果，避免上下文窗口爆炸和污染。
3. 互相纠偏，可以引入独立的review/judge Agent做校验、辩论、纠错，主动发现幻觉与错误，避免单Agent的幻觉跑偏。
工程落地角度：
1. 并行执行，缩短处理时长。
2. 容错与故障隔离，单Agent崩溃只需重跑该子任务。
3. 权限最小化控制，可以给每个Agent需必要的最小权限。
4. 模块化可扩展，多Agent就像微服务架构，新Agent的加入不影响整体流程，能力扩展友好。

幻觉、注意力分散、上下文窗口大小是LLM的能力上限，Agent也需要像人类一样，团队协作才能完成复杂的任务。

多Agent协作范式#

委派模式（层级）：Manager Agent拆解任务，下发Worker Agent 执行，最后汇总结果；
辩论模式（对抗）：对立Agent输出不同观点，judge仲裁，降低事实幻觉；
黑板模式（共创）：多个Agent基于共享状态迭代创作；

辩论模式（MAD）#

（Multi‑Agent Debate）

多个独立Agent带着不同立场/视角互相质疑、反驳、补漏洞，把隐藏假设、逻辑错误、幻觉暴露出来，最后收敛出更可靠结论。

单Agent自我反思很难推翻自己，会自我辩护、自圆其说。

拓扑：大多是带Judge/Orchestrator的星形拓扑；辩论选手之间可以点对点Mesh对话，但全程受调度Agent管控，极少完全无监管纯网状。

应用举例#

1. 正反辩论

（Pro‑Con 正反方）

角色：正方Agent、反方Agent、仲裁Agent

流程：

开篇：双方各自输出开篇立论；
辩论：多轮互相反驳，针对对方论据找漏洞；
总结：仲裁Agent看完整辩论记录，综合双方输出最终答案，不是简单选输赢，而是整合有效信息。

示例：

技术选型：是否在业务中引入Rust重构核心服务

正方Agent（Round‑1）：主张引入Rust；论据：内存安全、高性能、减少程序崩溃。
反方Agent（Round‑1）：反对大规模引入 Rust；论据：人才缺口大，不能利用现有Python/Go生态积累，会导致开发效率下降，且带来迁移风险。
正方反驳（Round‑2）：可以局部核心链路小范围试点，不是全量重写。
反方反驳（Round‑2）：试点同样带来两套技术栈维护成本，运维复杂度上升。
仲裁Agent：不简单选 “用 / 不用”，输出结论：局部热点模块试点Rust，其余维持Go，配套人才培养计划，取得性能与开发效率的平衡。

注意：Agent 被 prompt 锁死立场。哪怕正方内心知道对方部分有理，它的任务依然是捍卫本方立场；求真交给 Judge，避免和稀泥（huò xī ní）。

AI Agent 架构 on Techunder

Agent Loop

功能示意图#

多Agent架构

为什么需要多Agent架构#

多Agent协作范式#

辩论模式（MAD）#

应用举例#