Agent循环（Agent Loop）

🧠 ReAct 模式

// ReAct: Reasoning + Acting
while (任务未完成) {
  // 1. 思考 (Reasoning)
  思考 = "我需要搜索最新的AI新闻"
  
  // 2. 行动 (Acting)
  行动 = web_search("AI新闻 2026")
  
  // 3. 观察 (Observation)
  结果 = 执行(行动)
  
  // 4. 更新状态
  上下文.添加(思考, 行动, 结果)
  
  // 5. 决策
  if (任务完成) break
  else continue
}

🔧 OpenClaw 的执行循环

// OpenClaw Agent Loop 实际运行
用户: "帮我搜索最新的AI新闻并生成日报"

// 第1轮循环
思考: 需要搜索AI新闻
行动: web_search("AI新闻 2026-06-17")
观察: 找到10条相关新闻

// 第2轮循环
思考: 需要获取详细内容
行动: web_fetch(新闻URL)
观察: 获取到新闻正文

// 第3轮循环
思考: 需要生成HTML页面
行动: write("/var/www/miaoquai/news/2026-06-17.html", 内容)
观察: 文件写入成功

// 第4轮循环
思考: 需要更新sitemap
行动: exec("python3 update_sitemap.py")
观察: sitemap更新完成

// 任务完成
返回: "日报已生成，包含10条新闻"

🎯 循环的关键要素

1. 状态追踪：记录当前进度和已执行的操作
2. 终止条件：明确什么时候任务完成
3. 错误恢复：工具调用失败时的重试策略
4. 深度限制：防止无限循环

⚡ 单轮 vs 多轮循环

特性	单轮	多轮循环
复杂度	简单	复杂
能力	单步任务	多步任务
Token消耗	少	多
可靠性	高	需要错误处理

⚠️ 循环的挑战

← 返回术语百科首页