04｜三层架构与执行流程总览：Agent 如何完成感知-思考-行动循环？
Henry
你好，我是 Henry，欢迎来到《OpenClaw 核心原理与实战》。
当你第一次接触 AI Agent 开发时，是否有过这样的困惑：明明都是调用大语言模型的 API，为什么有些系统只能“一问一答”，而有些却能像真正的助手一样，自己去搜索信息、执行代码、生成文件，甚至在遇到问题时自动调整策略重新尝试？
这个问题的答案，就藏在今天我们要深入探讨的核心概念里——Agent Loop。
如果把一个 AI Agent 比作一个人，那么 Agent Loop 就是它的“心跳”。每一次心跳，Agent 都在进行“感知当前状态→思考下一步行动→执行并观察结果”的循环。这个循环会持续运转，直到 Agent 判断任务已经完成。理解 Agent Loop 的设计，是掌握任何生产级 Agent 系统的第一把钥匙。
今天这节课，我们将俯瞰 OpenClaw 的 Agent Loop 架构，建立起清晰的概念模型。你将学到：Agent Loop 与普通 LLM 调用的本质区别是什么？OpenClaw 为什么要把 Agent Loop 拆成三层？双重队列入口机制解决了什么问题？这些知识将为后续深入每一层的实现细节打下坚实基础。
什么是 Agent Loop ？
从“单次调用”到“自主循环”
让我们先从一个简单的对比开始理解 Agent Loop 的本质。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《OpenClaw 核心原理与实战》，新⼈⾸单¥59
《OpenClaw 核心原理与实战》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论