Agent Loop

Agent Loop 是什么 传统 AI 助手的工作模式是"一问一答"：用户输入 → 模型生成回答 → 结束。而 Agent Loop 是一个自主执行循环，模型会持续感知环境、做出决策、执行行动，直到任务完成。 用户: "把项目里所有的 console.log 替换为 logger.info" 传统 AI: → 生成一段 sed 命令给用户复制粘贴 Codex Agent Loop: → 循环1: 扫描项目，找到 47 个含 console.log 的文件 → 循环2: 逐文件替换，记录修改 → 循环3: 运行测试，发现 2 个测试失败 → 循环4: 分析失败原因，修复测试 → 循环5: 再次运行测试，全部通过 → 循环6: 生成 git commit → 输出: 修改了 47 个文件，替换了 132 处，测试全部通过 四阶段执行循环 1. 感知（Perceive） 感知阶段收集完成任务所需的所有上下文信息： # 伪代码：感知阶段 def perceive(task: str) -> Environment: env = Environment() # 解析任务意图 env.intent = parse_intent(task) # 读取文件系统状态 env.files = scan_workspace() # 检查运行环境 env.runtime = detect_runtime() # Node.js? Python? Docker? # 获取 Git 状态 env.git = get_git_status() # 检查网络连通性 env.network = check_network() return env 感知的具体内容： ...

Agent Loop：龙虾的大脑 OpenClaw 的核心是一个称为 Agent Loop 的执行循环。这不是简单的 while(true) 轮询，而是一个融合了感知、决策、行动、记忆的完整认知架构。 ┌─────────────────────────────────────────┐ │ Agent Loop │ │ │ │ ┌──────┐ ┌──────┐ ┌──────┐ │ │ │ 感知 │───▶│ 决策 │───▶│ 行动 │ │ │ │Perceive│ │Decide│ │ Act │ │ │ └──┬───┘ └──────┘ └──┬───┘ │ │ │ │ │ │ │ ┌──────┐ │ │ │ └────│ 记忆 │◀───────────┘ │ │ │Memory│ │ │ └──────┘ │ └─────────────────────────────────────────┘ 每一轮循环包含四个阶段，下面逐一拆解。 1. 感知层（Perceive） 感知层负责接收和解析输入信号，包括： 用户消息：来自 Telegram、WhatsApp、Discord 等 50+ 渠道 定时触发：cron 任务、心跳轮询 系统事件：文件变更、进程状态、设备传感器 Agent 间通信：多 Agent 协作时的消息传递 interface Perception { source: "user" | "cron" | "system" | "agent"; channel: string; // "telegram", "webchat", "cron" ... rawContent: string; // 原始内容 metadata: { timestamp: number; priority: "low" | "normal" | "high" | "urgent"; context?: Context; // 上下文继承 }; } 感知层的关键设计是多路复用。OpenClaw 可以同时监听多个渠道的消息，通过消息网关统一格式后送入决策层。这就像龙虾的触角——同时感知水流、温度、化学信号。 ...