Agent 的核心循环：感知 → 规划 → 执行 → 观察 → 调整——每一步都在干什么

你打开一个 AI Agent 应用，输入一句“帮我整理这周的所有邮件，把重要事项列出来，然后发一封总结给老板”。然后你看着它开始“思考”，调用邮件 API 读取内容，汇总要点，写草稿，最后发送——整个过程没有你的干预。这背后，Agent 经历了一个感知→规划→执行→观察→调整的循环，这个循环像一个微型的认知引擎，驱动着它完成复杂任务。

我最早接触 Agent 时，以为它就是把 ChatGPT 的每次回答连起来，加上自动调用工具的能力。但后来我发现，真正的 Agent 循环远比这精妙，而且每一步都藏着容易让人栽跟头的坑。

这个循环不是“一步一步”的线性流水线

很多人把“感知→规划→执行→观察→调整”理解成依次执行的五个步骤，就像工厂流水线。但实际上，它是一个持续迭代的闭环——规划可能发生在执行中，观察可能触发重新感知，调整几乎同时发生在每一步。如果你把 Agent 的日志打印出来，你会发现这五个词是交织在一起的，根本没有清晰的“阶段”边界。

那为什么还要这样拆开？因为这样拆，你才能看清 Agent 到底在哪个环节容易出问题。

感知：Agent 怎么“看”世界？

感知不是简单地读一下用户输入。对 Agent 来说，感知的对象包括：用户输入、工具调用返回的结果、API 的响应码、系统时间、对话历史、甚至之前的错误信息。在 Lilian Weng 那篇著名的 Agent 综述中，感知被归入“工具使用”和“记忆”模块，但它本质上是把外部状态的原始数据转成语言模型能理解的上下文。

举个例子：你让 Agent 查天气，它调用天气 API，返回的是 JSON：{"city": "北京", "temperature": 22, "condition": "晴"}。感知这一步，会把这个 JSON 放进提示词里，变成“天气查询结果：北京今天 22 度，晴”。对 LLM 来说，这就是它的“所见”。

但感知有个最大的坑：Agent 看到的东西可能不完整，甚至被人为截断。如果 API 返回几千行数据，上下文窗口装不下，感知就会丢失关键信息。很多 Agent 莫名其妙地做错决策，不是因为“笨”，而是因为它在感知阶段就已经“瞎”了。

规划：把模糊目标拆成可执行的子任务

规划是 Agent 最像“人”的环节。一个完整的 Agent 不会直接执行用户指令，而是先在内部生成一个计划。这个计划可能是一串任务列表，也可能是一系列“思考-行动-观察”的推理链条。

ReAct 论文把这种模式概括为 Thought → Action → Observation 的循环，每一个 Thought 就是一次微规划。比如面对“查找苹果公司最新财报并总结”这个任务，Agent 的规划可能是：Thought: 我需要先搜索苹果 2024 年财报，可能用搜索引擎；Action: 搜索“Apple 2024 annual report”；Observation: 获得了几个链接；Thought: 第二个链接看起来是官方 PDF，但我需要提取文本，可能需要调用文档解析工具……

规划最让人意外的地方是：Agent 的规划能力并不来自专门的规划算法，而是来自 LLM 的推理能力。也就是说，AI 能不能做好规划，全看它语言模型本身的“脑子”好不好使。这导致一个很现实的问题：如果 LLM 在某个任务上推理能力弱，那 Agent 的规划就会一塌糊涂。比如你让它做数学题，它可能规划出完全错误的解题步骤。

我踩过一个坑：让 Agent 帮我自动整理 Markdown 笔记并按话题分类，它规划出来的第一步是“读取所有文件”，第二步是“分析内容”，第三步是“生成分类”。看起来很合理，但实际执行时，读取 100 个文件后上下文直接爆了，第二步就崩溃了。这说明规划不能脱离资源限制，而 LLM 很难在规划时主动考虑上下文窗口这种“非语言”的约束。

执行：把想法变成动作，副作用不可逆

执行就是 Agent 调用工具、发送 HTTP 请求、写文件、发邮件等等。这个环节的核心不是“动作本身”，而是动作的结构化描述。在 LangChain 的 Agent 框架中，执行被抽象为 JSON 格式：{"action": "search", "action_input": "Apple 2024 财报"}。Agent 不直接操作工具，它输出这个 JSON，然后由执行器真正调用工具。

这种设计的好处是解耦了“决策”和“操作”，坏处是执行失败时，Agent 可能完全不知道发生了什么。比如你让它发一封邮件，它输出了正确的 JSON，但邮件服务器宕机了，执行器返回一个错误码。这个错误码会进入下一轮的“观察”，但 Agent 能不能理解这个错误，并做出正确的调整，就另说了。

执行还有一个反直觉的事实：Agent 有时候会“执行”一些它自己都不知道是什么的动作。比如一些 Agent 框架允许动态生成代码并执行，这相当于把执行权限完全下放给了 LLM。我见过一个 Agent 在调试时，为了测试某个 API，自己写了一段 Python 代码去疯狂请求，差点打爆了我的本地服务。所以执行这一步，权限控制远比想象中重要。

观察：不只看结果，还要看“元信息”

观察通常被理解为“看工具返回了什么”，但真正的观察要复杂得多。它要捕捉的不仅是返回内容，还包括：成功还是失败？耗时多久？返回的数据量有多大？有没有异常？ 这些“元信息”决定了 Agent 接下来是继续执行，还是调整计划，还是直接放弃并向用户求救。

在 ReAct 的框架里，Observation 就是 Action 之后的环境反馈，它会被直接注入到下一个 Thought 的上下文中。所以观察的质量直接把控着整个循环的生命线。如果观察信息被简化（比如只返回“成功”二字），Agent 就失去了调整的依据，很容易陷入”重复执行—重复失败“的死循环。

我看过很多 Agent 的失败案例，根源都是观察环节太粗糙。比如一个 Agent 调用文件搜索 API，返回了一堆文件路径，但没返回文件大小和修改时间，结果 Agent 就对着一个 2GB 的视频文件反复尝试读取，每次都超时，每次都重试，像一只撞玻璃的蜜蜂。

调整：循环的灵魂，也是最容易“装死”的环节

调整就是 Agent 根据观察结果，修正自己的计划或行为。在 ReAct 循环中，调整表现为下一个 Thought 根据 Observation 做出改变：“上一次搜索没找到，我换个关键词试试”；在 AutoGPT 这类面向任务的 Agent 中，调整体现为任务列表的动态更新——AutoGPT 会在每次执行后重新评估任务优先级，甚至删除已完成或无效的任务。

但调整这一步，恰恰是 Agent 最容易“装死”的地方。你可能会看到 Agent 在日志里不断输出“我调整了策略”，但实际行为根本没变。这是因为LLM 的调整往往只是语言层面的，而不是真正的策略变更。它可能只是换了一种说法，而不是换了一个动作。

真正有效的调整，需要 Agent 在规划阶段就预设“如果失败，则尝试 B 方案”的备选路径。一些高级的 Agent 框架（如 BabyAGI 的改进版）会尝试在提示词中注入“反思”机制，让 Agent 回过头去检查之前的决策是否合理。但就算这样，调整的深度依然受限于 LLM 的推理深度——它不可能像人类一样，从失败中归纳出新的通用规则，只能针对当前这一条观察做局部修正。

一个具体例子：ReAct 循环的完整演绎

我们来看一个从 ReAct 论文中抽出的真实示例，你会更直观地感受这五个词是怎么交织的。任务：回答“卢浮宫的面积是多少？”

1. Thought: 我需要搜索卢浮宫的基本信息，找面积数据。
2. Action: search[卢浮宫]
3. Observation: [搜索结果] 卢浮宫是法国巴黎的博物馆，占地 60,600 平方米……
4. Thought: 搜索结果已经给出了面积 60,600 平方米，但我要确认这个数字是否准确，最好再查一个权威来源。
5. Action: lookup[卢浮宫 面积]
6. Observation: [维基百科片段] 卢浮宫面积 72,735 平方米（包括地下空间）
7. Thought: 两个数字不一样，需要判断哪个更可信。第一个是占地面积，第二个可能包含了建筑总面积。问题问的是“面积”，通常指占地面积，但为避免歧义，我同时给出两个数字并解释。
8. Action: finish[卢浮宫占地面积约 60,600 平方米，若包含地下空间则约 72,735 平方米。]

在这个过程里，感知（搜索结果的文本）、规划（决定再查一次）、执行（调用 search 和 lookup）、观察（数字冲突）、调整（给出解释性答案）全部融合在 8 个步骤中，没有哪个是孤立的。

为什么 Agent 循环经常“卡死”

如果你跑过 Agent 的长时间任务，你一定会遇到“转圈圈”的情况——Agent 反复执行同一个动作，或者不断重新规划但永远不进入执行。根源通常在这几个点：

• 上下文窗口过载：循环越长，历史信息越多，最终超出窗口，Agent 开始“遗忘”早期计划，陷入混乱。
• 观察信息不足：工具返回的信息太简单，Agent 无法判断是否成功，于是重复尝试。
• 规划与执行脱节：LLM 生成的规划很漂亮，但执行时工具根本不支持那个操作，Agent 却不会主动降级到更简单的方案。
• 缺乏终止条件：Agent 不知道什么时候该停。它可能无限地“再优化一下”，直到被强制中断。

这些问题都不是靠“更好的提示词”就能完全解决的，它们触及了 LLM 作为 Agent 大脑的根本局限：没有真正的世界模型，没有长期记忆，没有对“成本”的感知。

一张表说清人类认知和 Agent 循环的差距

这张表不是要贬低 AI，而是要让你看清Agent 循环的边界在哪里。当你知道它不会“从失败中学习”，你就不会让它去处理可能造成实际损失的操作；当你知道它的感知是文本盲盒，你就会在工具设计时尽可能返回丰富的元信息。

“We propose ReAct, a simple yet effective method for synergizing reasoning and acting in language models … ReAct overcomes prevalent issues of hallucination and error propagation in reasoning tasks by interacting with a simple Wikipedia API.” —— ReAct 论文，这也是为什么 Agent 循环会从实验室走向工程实践。

最后说一句我自己的反思：当我真正理解了 Agent 循环的每一步后，我再也不把 Agent 当成“自动化员工”了。它更像一个需要精心设定观察窗口、随时准备接管、并且永远别让它碰到危险操作的工具。感知、规划、执行、观察、调整，这五个词描述的不是一个智能体，而是一个精心搭建的、在可控范围内运转的反馈系统。它离“智能”还很远，但离“有用”已经足够近了。