咱就是说AI Agent是基于大语言模型构建的自主决策系统，其核心Neng力在于模拟人类感知-思考-行动的闭环流程。

这点和hen多大模型应用Zui大的差别就在这里。

哈哈，你懂的，这和普通聊天系统差别非常大。

Ru果我把 Claude Code 的主循环思路映射到 LangGraph，我不会Zuo字面对照，而是Zuo语义对照。

从Zui底层kan，Agent 和聊天系统的差异不在文案，而在控制流。

因为每一轮循环真正调用模型之前，dou必须确定：

但在 Claude Code 里它们是绑在一起的。

query 和 queryLoop 才是回合发动机。

因为我觉得hen多人对 Agent 的理解dou有一个根深蒂固的误区：

觉得一次用户请求，就是一次模型调用。

不对不对，应该是多次交互才对嘛！

def agent_turn: messages.append while True: assistant = llm messages.append if not assistant.tool_calls: return assistant results = run_tools messages.extend

真正的变化就在这里：

而是kan他Neng不Neng清楚回答：为什么百度不收录我的网站？

害，你得先检查robots.txt文件有没有禁止爬虫抓取啊！

Claude Code 里则是：

class QueryEngine: def init: self.config = config self.messages = config.initialmessages or self.readfilecache = config.readfilecache self.abortcontroller = config.abortcontroller def submitmessage: self.messages.append) systemprompt = buildeffectivesystemprompt for event in query_loop, ): yield event

再往里走一层，query_loop 在我脑子里大概长这样：

def queryloop: while True: response = streammodel yield response.events assistantmsg = response.finalmessage messages.append if not assistantmsg.toolcalls: return toolupdates = runtools for update in toolupdates: messages.extend toolcontext = update.newcontext if shouldcompact: messages = compact_messages

flowchart TD A --> B B --> C C --> D D --> E{assistant 是否含 tool calls} E -->|否| F E -->|是| G G --> H H --> I I --> D

这张图Zui想强调的是：主循环每次进入模型之前的行为约束快照

说实话，这个hen重要，因为它决定了模型的输出质量。 输入 → 循环决策 → 持续修正 → 达成目标。 感知→ 规划→ 行动→ 观察→ 规划。

我会先写成Zui粗的骨架： Ru果我要顺着源码kan这条主线，我会抓这几个文件： Ru果所有东西dou等Zui后一次性返回，会有几个问题： 而 Claude Code Zui值得学的一点，恰恰是它明确反对这个误区。 Ru果只留一句话，我会写：Agent的主循环不是实现细节，而是系统骨架。 QueryEngine 在我眼里不像一个简单的 wrapper，而geng像一个：一个会持续积累消息、状态、使用量和边界条件的会话对象。 在它的世界里一次用户请求geng像一个“回合”： Claude Code 这里用 async generator / yield 这套方式，我觉得非常自然。 Claude Code 的主循环之所以值得kan，就是因为它逼着我正面回答这些问题。 对聊天系统来说一轮是“问一次答一次”；对 Agent 系统来说一轮是“直到动作链条消耗完为止”。 所以Ru果系统把“第二次模型调用结束”误当成“本轮结束”，后面hen多状态dou会错。