代理迴圈（Agent Loop）是什麼：判斷、操作與回饋

代理迴圈（Agent Loop）是代理系統反覆進行判斷、行動與讀取結果的機制。模型根據目前目標和已知狀態，決定要呼叫工具、提出問題或結束；工具執行後，結果再送回下一輪。關鍵不是重複呼叫模型，而是新回饋確實影響後續決策。

以下用搜尋遺失檔案作原創示例，說明一次任務如何在迴圈內前進。這裡討論的是執行機制；至於設計跨任務排程、反覆評估、版本管理與營運可靠性，屬於更外層的工程工作，不能把兩者都簡化成「多跑幾次」。

一輪裡有判斷，也有真正的外部執行

在語言模型代理中，模型可能產生「搜尋檔名」這個工具請求，並附上查詢參數。應用程式接收請求後，才由檔案工具執行搜尋。模型說想做什麼，和工具真的完成了什麼，是不同事件；兩者之間還可能有參數驗證、權限檢查或執行失敗。

LangChain 的代理文件把模型呼叫工具並持續執行到任務結束描述為核心迴圈；Anthropic 的工程文章也強調從環境取得回饋。這些說明支持的共同概念，是代理需要依實際結果更新狀態，而不是單靠模型自己想像上一輪已經成功。

如果工具回傳沒有找到檔案，下一輪可以換合理的搜尋方式；如果回傳沒有權限，則需要處理存取範圍，不能把它當成檔案不存在。結果類型不同，合理的下一步也不同，所以工具回應應清楚區分空結果、錯誤與成功。

以找回檔案為例，看迴圈如何前進

假設使用者要求在指定資料夾裡尋找上週整理的活動預算草稿，只要列出候選檔案，不移動或刪除。代理先依檔名關鍵字搜尋，得到幾個候選；再讀取允許的基本資訊，檢查日期與內容是否符合。這些步驟依搜尋結果展開，不必事先指定每個檔名。

若候選文件標題相似，模型可以進一步查看開頭段落，判斷哪份涉及該活動。預期產物應列出檔案位置、符合線索與不確定之處。它不能僅因某個檔案修改時間較新，就宣稱那一定是使用者要找的版本。

接著使用者補充「內容有器材租借一項」，代理把這個線索納入狀態，縮小候選。這是一個正常回饋節點。若現有資料仍不足，最後列出候選並請使用者辨認，也是合理終點，不必為了追求單一答案持續讀取無關資料夾。

每一輪都應能回答有沒有新增資訊

可靠迴圈的進展，不是執行次數增加，而是候選縮小、缺口減少或產物更接近驗收標準。如果同一查詢使用相同參數、對相同資料重複搜尋，卻沒有任何新的前提，就可能只是原地重試。這時應換策略、檢查錯誤，或停止並回報限制。

可為任務保存簡單狀態：已查哪些位置、哪些候選被排除、排除原因及剩餘問題。這能避免新一輪忘記已做過什麼。狀態不一定需要很長，重要的是足以阻止重複工作，並讓下一步有清楚理由。

也要分辨「模型決定繼續」和「系統允許繼續」。模型可能想再搜尋，外層程式仍可根據範圍、使用量或時間條件終止。這些限制不是對推理內容做評論，而是確保工作仍在使用者與應用程式允許的邊界內。

失敗後不能一律直接重做

讀取類操作失敗，有時可重試；寫入類操作逾時則更複雜。若某工具已建立檔案但回應遺失，直接再執行可能產生重複文件。雖然本例只搜尋，不做寫入，理解這個差異仍能幫你判斷代理為何需要先查外部狀態再決定是否重試。

工具錯誤也不一定是模型的錯。路徑失效、網路中斷或權限變更都可能阻止操作。好的結果應記錄失敗原因與已確認狀態，而不是把所有錯誤隱藏成「我再試試看」。若工具本身無法提供足夠資訊，代理就沒有可靠基礎判斷下一步。

對開發者而言，工具請求需要識別與狀態紀錄，才能把回應配回正確行動。多個工具並行時尤其如此：不同查詢的結果混在一起，模型可能拿錯候選作結論。保持請求、結果與證據的對應，是迴圈可理解與可除錯的必要條件。

完成、等待與停止要有不同狀態

找到符合所有線索的檔案並列出依據，可以是完成；資料不足但有候選，需要使用者辨認，是等待資訊；超過允許範圍或連線持續失敗，則可能是受阻。把這些狀態全部顯示成完成，會讓使用者以為工作已經達成。

停止條件也應與任務相稱。除了成功條件，可以限制嘗試範圍、連續無進展次數或資源使用。這些設定由系統與需求決定，沒有適合所有代理的固定輪數。太少可能還沒取得證據，太多則可能浪費成本或擴大錯誤。

代理迴圈是一段任務執行中的回饋機制；設計哪些任務值得重跑、如何比較新舊版本、如何驗收一批產物，則是管理與工程層面的工作。看到系統標示「自動反覆執行」時，應先看它是在同一任務內讀回饋，還是在外層重啟整個工作。

使用者不必監看每次模型呼叫，但可以要求清楚的進度證據：查過哪些地方、排除哪些候選、剩下什麼問題。能說明這些狀態的代理，才讓你判斷它是否正在接近目標，而不是只讓畫面顯示忙碌。

若使用者中途改了目標，迴圈也應更新任務狀態。原本只列候選，後來要求比較內容，代表驗收條件變了；不能因為舊目標已完成就忽略新要求，也不能把新增工作混稱為先前已完成的部分。

AI 代理（AI Agent）是什麼：從回答問題到完成任務

Loop Engineering 是什麼：讓 AI 持續工作，也知道何時停止

工具呼叫（Tool Calling）是什麼：模型如何請程式做事

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋