从 while True 到 Loop Engineering：AI Agent 的古罗马副官

之前的文章拆解了 Claude Code 收到一个任务后，内部到底发生了什么。当时是把它的核心 query_loop 拆成了两层循环：

• 内层是工具执行循环：模型发出 tool_use，Python 程序执行工具，再把 tool_result 塞回消息列表
• 外层是回合循环：模型拿到工具结果后继续思考，直到输出 stop_reason == "end_turn"

既然这里都有两层 Loop 了，那它是不是就是 Loop Engineering 呢？这是我最近学习 Loop Engineering 时最把我绕晕的问题。

• 如果它不是，为什么不呢？难道代码里的 while True 还不算循环吗？
• 如果它是，Automation、Worktree、Skill、Connector、Sub-agent 和 State 又是在解决什么呢？

带着这些疑问，我找到了一个开源项目 Optio，沿着一个任务从产生、执行、提交 PR，到 CI 失败后再次唤醒 Agent 的完整生命周期走了一遍，终于看清楚：

• Claude Code 里的两层循环自然是真正的 Loop，但它们解决的是：一次 Agent 运行内部如何推进
• Loop Engineering 还要再向外包一层，解决：多次 Agent 运行之间，工作如何持续推进

这不是否定 while True，而是在追问一个更外层的问题：当这次循环退出以后，下一次由谁启动？

这篇文章从 Optio 的源码出发，拆开以下四个问题：

• Claude Code 明明已经有两层循环，为什么还不等于完整的 Loop Engineering？
• Automation、Worktree、Skill、Connector、Sub-agent、State 分别解决什么问题？
• 为什么有了这六个组件，仍然不一定形成真正的 Loop？
• 一个可以长期运行的 Loop，还需要哪些工程化护栏？

补充一句题外话：Optio，是古罗马军队中协助百夫长维持队伍运转的副手。而这个项目做的也是类似的事：它不亲自写代码，而是负责叫醒 Agent、分配任务、检查结果，再决定下一轮行动。

明明已经有两层循环，为什么还不够？

先回到之前文章中的 query_loop。把那些流式事件、消息类型和容错逻辑暂时去掉，它大致可以压缩成一个很短的循环。

这个 Loop 发生在一次 Agent 运行内部：模型规划，程序执行，结果重新放回上下文，模型再判断要不要继续。这当然是循环，而且还是两层嵌套循环。内层让模型和工具来回协作，外层让 Agent 可以连续推进多个回合。它们共同回答的是：

人给 Claude Code 一个任务后，它内部如何把这个任务做完？

但问题恰恰出现在 end_turn 以后。

假设 Coding Agent 提交了 PR，然后结束运行。半小时后 CI 才失败。这时 query_loop 已经退出，原来的 Agent 进程可能也不存在了。这时谁去读取 CI 日志？谁来重新唤醒 Agent？谁告诉它只修复这次失败？如果连续失败十次，又由谁来叫停呢？

这些都不是增加一层工具调用循环能够解决的。

之前的 Claude Code 文章拆解的是里面两层，Loop Engineering 重点关注的是最外面一层。

还有一个容易混淆的地方：Claude Code 的 Runtime 外面确实有 Supporting Systems，包括权限、Hooks、Memory、Session 和 MCP。但架构上的外层，不一定等于循环上的外层。这些模块在支撑 query_loop 运行，却不一定会在 CI 失败后主动生成下一次 Agent 任务。

判断是不是 Loop Engineering，关键不是代码里嵌套了几个 while，而是看：最外层那个负责发现工作、检查结果、记录进度和启动下一轮的人，有没有被系统替代？

把传统的使用方式画出来后，这个区别就更明显了：在这里，Agent 只负责其中一段，真正的循环控制器一直是人。

所以「不要再亲自 Prompt Agent，而要设计 Prompt Agent 的 Loop」，并不是说以后不需要写 Prompt，也不是说 Agent 内部的循环不重要。它真正想替代的，是人反复复制错误、重新运行命令、追问 Agent、记录进度这些机械操作。

小结一下：Agent Loop 负责的是一次运行内部如何行动；而 Loop Engineering 负责的则是多次运行之间如何持续推进工作。

Loop Engineering 的六个组件

带着这个问题我们来到 Optio 这个项目。这里不按文件夹来读源码，而是追踪一条具体链路：

每天自动生成一个代码维护任务，Agent 在独立目录中修改代码并提交 PR；CI 失败就重新修，CI 通过后启动另一个 Agent 审查；Review 通过才允许结束。

这时，Loop Engineering 的六个组件就从抽象名词变成了六个具体的问题。它们把原来散落在人脑和手工操作里的东西，逐一搬到系统外部。

Automation：并不是「定时调用一次模型」

Optio 中的 Automation 是由几样东西配合完成：Task Config 保存「每次做什么」，Trigger 保存「什么时候做」，Trigger Worker 定期检查有没有到期任务。

源码里，workflow-trigger-worker.ts 默认每隔一段时间查询到期的 Trigger。当目标类型是 task_config 时，它调用 instantiateTask()。后者会渲染 Prompt 参数、创建一条真实 Task，把状态从 pending 变成 queued，最后放进 BullMQ 队列。

原来可能会把 Automation 理解成「每天早上八点调用一次模型」。但从这里会发现，一个可靠的 Automation 不是定时器本身，而是**「触发条件 + 任务蓝图 + 实例化 + 入队」的完整链路**。

因为闹钟只负责响，它不能直接代替一张工作单。

Worktree：给每个 Agent 一张不会串台的办公桌

任务进入队列后，Optio 不会让所有 Agent 在同一个仓库目录里修改文件。它为每个 Task 创建独立的 Git Worktree。

这一步决定了多个 Agent 能不能真正并行。如果没有 Worktree，就像让三位程序员共用一台电脑、同时编辑同一份文件。Agent 数量越多，冲突反而越快。

并行不是多开几个对话框，而是先隔离它们会修改的环境。

Skill 与 Connector：一个管「会不会」，一个管「能不能」

在 Agent 启动前，Optio 会向 Worktree 注入两类不同的信息。

第一类是 Skill：源码中的 buildSkillSetupFiles() 会把技能写成文件，告诉 Agent：这个项目怎么测试、代码规范是什么、哪些目录不能碰、出现某类问题应该按什么步骤处理。

第二类是 Connector：Optio 会根据当前仓库、Agent 类型和权限找到可用 Connection，再生成 .mcp.json。Agent 因此可以访问 GitHub、Slack、Linear、数据库等外部系统。

Skill 决定 Agent「应该怎样工作」，Connector 决定 Agent「被允许去哪里工作」。

Sub-agent：不是多叫一个模型，而是把「检查」变成独立任务

这部分是我感受最深的地方。我原来以为 Review Agent 就和普通的 Sub-agent 一样，是由主 Agent 在对话中临时喊来一个小助手。但 Optio 的 Review Agent 不是一次临时调用，而是一条真正写入数据库、可以排队、失败和重试的子任务。

这相当于把开发和验收完全交给两个人。写代码的 Agent 不能自己说一句「测试通过，完成了」，系统就当真。另一个 Agent 会拿到原始需求、PR 内容、已有评论和测试命令，独立给出审查结果。

真正让 Loop 闭合的，是那位不写代码的「副官」

有了队伍，不等于队伍会自己持续向前走。仔细看会发现，这条链路仍然可能只是一条直线：

• 如果 CI 失败，谁来决定「要不要继续」？
• 如果 Review 要求修改，谁把反馈交回 Coding Agent？
• 如果进程中途崩溃，谁知道应该从哪里恢复？

上面的组件提供的是循环所需的执行能力，而真正把首尾接起来的，是 State + Feedback + Decision。

1、Reconciler：谁来下达下一道命令

在 Optio 中，负责把这些能力连接起来的角色叫 Reconciler。也是到这里，我才突然意识到这个项目的名字很有意思：在古罗马军队中，Optio 是协助百夫长维持队伍运转的副手，它会观察队伍、传递命令，并在情况变化时及时补位。

那么是不是可以这么比喻：如果说 Coding Agent 是在前线执行任务的士兵，那么源码中的 Reconciler 就很像站在队伍后方的 Optio——它不亲自修改代码，只负责观察现场、传递命令，再决定下一步行动。

它反复做三件事。buildWorldSnapshot() 像是重新巡视现场：任务现在处于什么状态？PR 有没有合并？CI 是通过还是失败？Review 有没有要求修改？reconcileRepo() 则根据这些事实，生成下一道命令。源码中的判断很具体：

1. PR 已合并：把 Task 变成 completed
2. CI 第一次变为失败：重新唤醒 Coding Agent
3. CI 通过且开启自动审查：创建 Review Task
4. Review 要求修改：把评论重新交给 Coding Agent
5. 自动恢复次数达到上限：进入 needs_attention，等待人处理

最后，executeAction() 才会真正执行唤醒 Agent、创建 Review Task、自动合并或者结束任务。

但这里还有一个问题：Reconciler 每次被唤醒时，原来的 Agent 进程可能早已退出。它怎么知道任务上一次进行到哪里了呢？

答案不是 Reconciler 自己拥有记忆，而是系统把现场写在了外部 State 中。

2、State：这位副官靠什么记住现场

Optio 把任务状态写入 Postgres，并通过状态机限制它如何变化。

这里不只保存了一个简单的完成 / 未完成：

• tasks.state 记录任务现在进行到哪里
• task_events 记录任务为什么从一个状态进入另一个状态
• PR、CI 和 Review 状态记录外部世界发生了什么
• Git 分支和 Worktree 保留 Agent 已经完成的代码修改

每一次 transitionTask() 也不只是修改一个字段。它还会校验状态迁移是否合法、记录事件，并唤醒下一轮 Reconcile。

3、CAS、Resync 与预算：如何防止「副官」自己失控

如果同时有两个 Worker 下达命令，或者某次唤醒消息丢了，这该怎么办呢？

顺着这个问题继续读源码，这才明白那些一开始让我觉得很繁琐的代码，几乎都在处理这个问题：如果 Loop 在无人盯着时出错怎么办？Optio 加了至少三道护栏。

第一道是 CAS：更新任务状态时，SQL 会附带「当前状态仍然等于我刚才看到的状态」这个条件。两个 Worker 同时处理同一任务时，只有一个能成功，另一个会重新读取最新事实。

第二道是 Resync：即使某次消息丢了，系统仍会周期性扫描未完成任务，再次放入 Reconcile 队列。这个很像夜班交接时重新点一遍未结工单，避免某个任务永远躺在角落里。

第三道是预算和停止条件：自动恢复不是无限的，源码会比较 recentAutoResumeCount 与 maxAutoResumes。超过上限，就不再继续烧 Token，而是把任务交回人类。

能重复运行的脚本，不等于可靠的 Loop。可靠的 Loop 必须知道何时继续、何时重试、何时恢复，以及何时承认自己做不到。

最后

再回到开篇的那个问题：Claude Code 明明已经有两层循环，为什么还需要 Loop Engineering？

现在可以这样回答：Claude Code 的 query_loop 解决了一个 Agent 被叫醒之后，如何调用模型、执行工具，再一轮轮把任务做下去；而 Optio 继续追问的是，当这次运行结束以后，谁检查结果，谁记住现场，谁决定要不要再次叫醒它。

前者让 Agent 能够行动，后者让行动可以跨越一次会话，持续地向一个目标收敛。

Agent 负责向前走，而人负责决定方向，以及哪里才是终点。