这篇是我手搓最小 Agent Loop（s01）时整理的笔记。一句话总结它的本质：
大模型本身只会"说话"。把它的话真的执行掉、再把结果喂回去，它就从"会聊天"变成了"会干活"——这就是 agent。
我用的是通义千问 qwen-plus（走 OpenAI 兼容接口），但下面的道理换任何模型都一样。
一、Agent 到底是什么
一开始我有个困惑:大模型不是只会问答吗?它怎么还能帮我创建文件?
答案是:文件不是模型创建的,是我的代码创建的。 模型自始至终只做了一件事——输出文字。
拆开看,一个 agent 其实是三个角色凑在一起:
| 角色 | 是谁 | 干什么 |
|---|---|---|
| 🧠 动嘴的 | 大模型 | 只会输出文字,包括"我想用某个工具"(tool_calls) |
| 📞 传话的 | agent loop 代码 | 读模型的话 → 转给工具 → 把结果再转回给模型 |
| 🔧 动手的 | run_bash（subprocess） | 真的在电脑上执行命令 |
所以当我说"创建一个 hello.py",发生的是:
我说"建 hello.py"
↓
[模型] 动嘴：我想执行 echo ... > hello.py ← 只是输出文字，文件还不存在
↓
[代码 run_bash] 动手：真的执行命令 ← ✨ 文件在这一步才诞生
↓
[把结果喂回] → [模型] 看到成功 → 说"搞定了" ← 不再要工具，结束
关键认知:模型不会"主动调用"工具,它连发消息的能力都没有。 是我写的 for call in msg.tool_calls: 那段循环,替模型把话送到 bash 那儿。没有这段代码,模型说一万句"我想执行 ls"都没用。
最小 Agent Loop 的 5 步
整个 loop 的骨架就这么几步,while True 不停转:
def agent_loop(messages):
while True:
# 1. 把对话历史 + 工具发给模型
response = client.chat.completions.create(
model=MODEL, messages=messages, tools=TOOLS,
)
msg = response.choices[0].message
# 2. 把模型的回答 append 进历史
messages.append(msg)
# 3. 模型没要工具 => 它说完了 => 退出
if not msg.tool_calls:
return
# 4. 执行模型要的每个工具调用
for call in msg.tool_calls:
args = json.loads(call.function.arguments)
output = run_bash(args["command"])
# 5. 把工具结果 append 回历史，回到第 1 步
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": output,
})
注:Anthropic 的 SDK 写法略有不同（
response.content拆成 block、tool_use/tool_result），但这 5 步骨架完全一样,只是"换了套说法"。
下面两个实验,都是围绕第 5 步那行 append 展开的——它看着不起眼,却是整个 agent 的命根子。
二、鬼打墙实验:删掉第 5 步会怎样
我故意把第 5 步那行 messages.append({"role": "tool", ...}) 删掉,换成 pass(什么都不做),让工具结果不喂回去。然后问它"列出所有 py 文件",结果:
========== 第 1 轮 ==========
📨 发过去 2 条消息：system, user
🛠 $ ls *.py ← 执行了，但结果没 append
========== 第 2 轮 ==========
📨 发过去 3 条消息：system, user, assistant ← 注意：没有 tool！
🛠 $ ls *.py ← 🔁 又执行一遍(鬼打墙)
========== 第 3 轮 ==========
📨 发过去 4 条消息：system, user, assistant, assistant
🤖 No Python files found. ← 🤥 瞎编(明明有 4 个文件)
模型暴露了两种毛病:
- 第 2 轮——鬼打墙(重复调用):它看不到上一轮的结果,以为没执行过,于是又调了一遍同一个命令。
- 第 3 轮——幻觉(瞎编):连着两轮拿不到结果,它放弃挣扎,直接编了个完全错误的答案"没有 py 文件"。
为什么会这样:模型没有记忆,全靠 messages
模型每一轮只能看到当下发过去的 messages。因为结果被 pass 吃掉了,messages 里永远不会出现 tool 这条,所以模型每轮都看不到结果——要么重试,要么瞎编,就是不会凭空知道真相。
一个我一开始没绕过来的点:屏幕输出 ≠ 模型输入
实验里我明明在屏幕上看到了 ls 的结果,为什么模型还说没有?因为 run_bash 里的 print 是打给我看的,跟模型看不看得到是两条独立的路:
output = run_bash(...) # 结果回来了，而且已经 print 到屏幕给我看了
print(f" ↳ 结果：{output}") # 又打了一遍给我看
pass # ❌ 但没 append 给模型 → 模型啥也没收到
屏幕上的输出是
messages里的内容。 你看得见,不代表模型看得见。
这在真实开发里巨重要:调试时你 print 看到工具跑对了,但 agent 还是犯傻——十有八九就是结果没真正喂回给模型。
三、记忆对照实验:append 就是记忆
为了正面验证"append = 记忆",我设计了一个对照实验:先让它创建一个文件,再问它"我们刚创建了什么文件",对比两个版本——
- 🟢 带记忆版:两次提问共用同一个 messages(历史保留)
- 🔴 失忆版:第二问用全新的 messages(历史清空)
结果:
🟢 带记忆版
👤 第 1 问：创建 memo.txt
🛠 $ echo 'hello agent' > memo.txt
🤖 文件 memo.txt 已创建。
👤 第 2 问：我们刚创建了什么文件？
🤖 memo.txt ← ✅ 答对了，而且没再调任何命令！
📊 此刻 memory 攒了 7 条消息
🔴 失忆版（第 2 问用全新 messages）
👤 第 2 问：我们刚创建了什么文件？
🤖 我不知道，这段对话里没有执行过创建文件的命令。 ← ❌
📊 此刻只有 3 条消息
同一个问题,天壤之别。差别只有一个:历史留没留。
带记忆版第 2 问时,messages 里完整保留着第 1 问的 7 条历史:
1. system
2. user: 创建 memo.txt ← 第1问
3. assistant: 我要执行 echo...
4. tool: (创建成功) ← append 进来的执行结果
5. assistant: 已创建 memo.txt
6. user: 刚创建了什么文件? ← 第2问
7. assistant: memo.txt ← 它从 2~5 条里"读"出了答案
模型一翻历史就看到"哦,我刚建了 memo.txt",所以连工具都不用调,直接答出来。而失忆版的 messages 里啥历史都没有,对它来说"历史里没有的事 = 没发生过",文件明明在硬盘上,它也一无所知。
四、总结:我今天真正学到的
- Agent = 模型(动嘴) + 工具(动手) + loop(传话)。三者凑齐,模型才从"会聊天"变成"会干活"。模型能干什么,取决于你给它配了什么工具。
- 模型本身是无状态的(没有记忆)。它的全部"记忆"就是你每次喂给它的
messages列表。 append就是往记忆里写东西的唯一动作:- 不 append 工具结果 → 模型断片 → 鬼打墙 + 幻觉
- append 攒历史 → 跨轮记忆 → 答对,还省掉重复劳动
- 屏幕输出 ≠ 模型输入。
print给人看,messages给模型看,调试时别把这两个搞混。
很多时候 agent “犯傻"或"幻觉”,根子不在模型笨,而在我没把该给的信息喂给它。