AI Loop：自主执行的工程哲学“单次推理给你一个答案，持续循环给你一个结果。这两件事之间的距离，就是 Agent 工程的全部难度。”本节概览第七章讲了 Agent 的基本结构：LLM + 工具 + 循环决策。循环决策是三个要素里最容易被忽视的一个——它不像 LLM 那样神秘，也不像工具那样直观，但它是决定 Agent 能否真正"自主完成任务"的关键。一个没有正确设计循环的 Agent，能力上限就是"完成一件小事，然后等待"。一个循环设计得当的 Agent，才能在无人值守的情况下推进真正复杂的长时任务。本节从工程哲学的角度讲清楚四件事：为什么单次 LLM 调用天然无法完成复杂任务，Loop 是必然的工程选择通用 Agent Loop 的六步闭环模型及其内部机制Goal 和终止条件的设计原则——Loop 如何知道"做完了"Loop 的三种形态和它们各自适合的场景1. 为什么 LLM 单次调用解决不了复杂任务1.1 单次推理的天花板你让一个工程师修复一个生产 Bug：他要读日志、定位代码、理解上下文、写修复、跑测试、确认没有副作用、提交。这个过程至少 6 个步骤，每一步的结果都会影响下一步的判断。现在你把同样的任务交给一次 LLM 调用。结果是什么