AI Agent / 系统课时
理解智能体工作循环
理解智能体工作循环
Codex 处理任务时并不是一次性“想完再输出”,而是在目标、上下文和工具之间反复循环:先判断下一步需要什么证据,再执行读取、修改或验证动作,把结果作为新的上下文继续推理。理解这个循环,能帮助你写出更清晰的任务,也能看懂它为什么会停下、回退或继续尝试。
学习目标
- 识别智能体循环中的上下文、动作、观察结果和停止条件
- 理解为什么工具执行结果会改变 Codex 的下一步决策
- 能用“修复失败测试”的例子解释一次完整循环
循环从目标和上下文开始
智能体首先需要一个可判断完成与否的目标。例如“修复支付模块的失败测试,并保持公开接口不变”比“看看支付模块”更容易执行,因为前者同时给出了任务目标和边界。
接着,Codex 会读取与任务相关的上下文。上下文不只包括你的文字要求,还可能包括仓库中的代码、测试、项目说明、已有约束,以及前面工具调用产生的结果。它不需要一开始知道整个项目,而是可以随着任务推进逐步获取证据。
从判断到行动再到观察
一次典型循环可以抽象为:理解当前状态 → 选择下一步动作 → 调用工具 → 观察结果 → 更新判断。动作可能只是读取文件,也可能是修改代码、运行测试或检查差异。关键在于,工具返回的结果不是流程终点,而是下一轮判断的新输入。

假设任务是“修复一个失败测试”。第一轮可能先读取失败信息和相关实现;如果观察到断言期望值与实现不一致,下一步会继续检查接口约定,而不是立即改测试。确认实现偏离约定后,才修改代码并重新运行测试。若测试仍失败,新的错误信息又会触发下一轮定位。
计划不是固定脚本
智能体可以形成步骤,但这些步骤不是必须机械执行到底的静态清单。真正决定下一步的是当前证据。如果原计划认为要修改三个文件,但读完代码后发现只需调整一个共享函数,合理行为是更新计划,而不是为了“按计划完成”去改剩余文件。
这也是智能体与传统自动化脚本的差别。脚本通常按照预先定义的分支执行;智能体则会根据新的观察结果重新判断。不过,重新判断并不等于无限尝试,仍然需要明确的停止条件和权限边界。
什么时候应该停止
一个健康的循环至少要能识别几类停止条件:目标已经满足;验证失败且没有足够证据继续;需要用户补充业务信息;下一步涉及未授权或高风险操作;或者继续尝试的成本已经超过任务价值。
对开发者来说,最有效的控制方式不是逐步遥控每个动作,而是在任务开始时给出验收条件。例如“相关单元测试通过、不得修改公开 API、不要改数据库结构”。这样 Codex 每轮观察结果时都有明确参照,能够判断是继续修复、回退方案,还是把阻塞点交还给你。
当你能把一次 Codex 任务读成“目标 → 行动 → 观察 → 再判断”的循环,就能更准确地诊断协作问题:任务跑偏通常不是因为它少执行了一个固定步骤,而是目标、上下文、工具权限或停止条件中有一项没有定义清楚。