写在 Harness 系列第三篇。前两篇:9-16 Harness 工程(抽象层)、9-17 AI Coding 工程(系统层)。
今天讲"算法层":Agent Loop 怎么 step-by-step 跑。
关键字:4 阶段循环 / 5 大核心组件 / 5 大主流 AgentLoop / 4 大痛点 + 双重保险 / 5 大选择原则。
"Agent Loop = 人类认知的工程化实现。选 loop 模式 = 选权衡,不是选最优。"
接 Phoenix + AI Agent 行为监控：那篇讲"怎么用 Phoenix 看 Agent 调用"——**本篇讲"为什么 Agent 测评比 LLM 测评难 10 倍" + 5 大测评维度 + Multi-Agent 评测体系。从 NL2API/NL2SQL/NL2CODE → 记忆 → 规划 → Multi-Agent 协作 → 实战实践。
业务里跑 agent 久了，碰到两类问题最常见——"system prompt 太死板"——"默认参数扛不住业务量"。本文从代码实战出发，聊聊怎么把这两件事做对。
接 W2 真学习复盘：W2 学了 1198 行 + 1 个上游 issue。本文是 W3 完整 5 天的复盘——agent 模块 100% 闭环。
ReAct = Reasoning + Acting
论文：Yao et al., 2022, Google Research + Princeton
原文链接：https://arxiv.org/abs/2210.03629
本文记录我的论文学习过程与核心理解
本文记录了我在 Hermes 导师指导下精读 Chain-of-Thought 论文的全过程，包括先导问题、核心机制解析、局限性思考和知识掌握。
