从"写提示词"到"写循环"：智能体架构的核心转变

大模型本身只做一件事：读一段文字，吐一段文字。它不会自己读文件、跑代码、上网查资料。真正让它"能干活"的，是包裹在模型外面的那套循环系统。本文从架构设计的角度，探讨如何构建这套循环系统。

一、模型与循环：分工协作

要把一个大模型变成能解决实际问题的智能体，核心思路很清晰：

智能体 = 模型 + 循环

模型负责"想"，循环负责"干"，两者分工明确，缺一不可。

模型的角色

模型是智能体的"大脑"，擅长理解、推理和想办法。它的核心能力是处理文本：读进去一段描述，吐出来一段方案。

但模型有天生的局限性：它只会"动嘴"，不会"动手"。读不了文件、跑不了代码、上不了网。它给出的答案对不对、任务完成没完成，自己心里也没底。

循环的角色

循环是智能体的"手脚"，负责把模型的意图变成真实动作。模型说要读表格，循环就真的去读；模型说要改代码，循环就真的去改，改完还能把结果还回去。

循环的运作模式很简单：想 → 做 → 看结果 → 再想，一圈圈转下去，直到把事情办成。

二、循环系统的四个核心组件

一个完整的循环系统包含四个组件：

这四个组件各司其职：规划器做决策，执行引擎落地操作，验证器检查结果，协调器控制节奏。

三、分层循环设计

复杂任务的循环不是单一的，而是多层嵌套的结构：

┌─────────────────────────────────────────────────────────────┐
│                    外层循环（业务验证层）                    │
│  周期：天/周  职责：市场反馈、用户验证、业务调整             │
│  输出：需求变更、优先级调整                                  │
├─────────────────────────────────────────────────────────────┤
│                    中层循环（策略调整层）                    │
│  周期：小时  职责：方向判断、界面调整、架构优化               │
│  输出：规格变更、设计调整                                    │
├─────────────────────────────────────────────────────────────┤
│                    内层循环（代码执行层）                    │
│  周期：分钟  职责：代码生成、测试执行、Bug修复               │
│  输出：功能实现、测试报告                                    │
└─────────────────────────────────────────────────────────────┘

内层循环（分钟级）

这是最基础的一层。给定明确的规格文档和验证标准，智能体可以自主完成编码、测试和修复。人可以离开，它照样运转。

中层循环（小时级）

这一层需要人的参与。智能体写完第一版代码后，人需要判断：功能对不对？界面怎么调？架构合不合理？这些决策依赖于人的经验和对业务的理解，是AI目前无法替代的。

外层循环（天/周级）

这是最慢但最关键的一层。代码写完了，内部测试通过了，但真正的验证需要放到真实世界中——找用户试用、看数据反馈、观察市场变化。只有真实世界的验证，才能回答"这个产品到底有没有价值"。

最快的一层负责执行，最慢的一层负责决策。这个分层设计让人和AI在各自擅长的层面发挥作用。

四、关键设计原则

原则一：目标必须可验证

"所有单元测试通过、无失败"是个好目标；"把它做好看一点"不是。

循环系统的瓶颈从来不是模型，而是那个说得清"怎样才算做完"的验证器。说不清楚验证标准，循环要么原地打转，要么早早收工。

原则二：必须划清边界

无约束的循环很容易"跑过头"。让它修个小Bug，它可能跑很久，最后自作主张加一堆没人要的功能，甚至把本来能编译的代码改坏。

因此，轮次上限、修改范围、Token消耗等约束，都需要提前明确。

原则三：验证必须独立

执行和验证不能由同一个角色完成。如果让智能体自己写代码又自己验证，就像运动员自己当裁判，结果不可信。

更稳妥的做法是：一个智能体负责执行，另一个专门负责验证。最终的验收权始终保留在人手里。

五、两种模式的对比

关键差异在于：传统模式中，人是循环的驱动力；循环工程中，验证结果是循环的驱动力。这一转变让人类从"操作层"上升到"决策层"，系统也具备了自我修正的能力。

六、启动条件与执行流程

要让循环系统运转起来，需要两个关键输入：

1. 规格文档（Spec）：说清楚要做成什么样的产品文档
2. 验证标准（Evals）：判断做得对不对的评测标准

有了这两样东西，循环就能自己跑起来：写代码、跑测试、发现问题、动手改、改完再测，一圈圈直到符合规格、没有明显Bug才停。

一个完整的循环流程如下：

规划 → 执行 → 验证 → 判定
  ↓                    ↓
  └────────────────────┘
    未达标则反馈优化

七、工程实践建议

1. 状态持久化：记录每轮循环的输入、输出和验证结果
2. 可追溯性：建立完整的执行日志，支持问题回溯
3. 渐进式授权：从低风险任务开始，逐步扩展系统权限
4. 人工兜底：保留人工介入机制，应对边界情况

八、总结

把大语言模型转化为真正的智能体，核心在于构建一套分层循环架构。模型负责思考和规划，循环负责执行和验证，人负责设定目标和做出关键决策。

在这个架构中，跑得最快的是内层的代码执行循环，但真正稀缺的判断能力，始终存在于更慢、更外层的决策循环中。好的架构设计，就是让正确的角色在正确的层次上发挥作用。

过程变得更简单、更高效。

本文为原创内容，如需转载，请注明出处。