← 回到總覽

Agent 迴圈

每一次請求都走同一條路徑:準備上下文、對任務進行推理,接著反覆呼叫工具直到工作完成。這就是每一次 Arlo 執行背後的核心處理邏輯 —— 無論是在 TUI、單次 CLI 指令,或函式庫中皆然。

Agent 迴圈流程圖:來自使用者、排程、事件、通知或 MCP 請求的提示進入上下文準備與模型推理,接著反覆進行規劃、選擇工具、權限檢查、執行工具、觀察結果、更新記憶與評估任務,直到不需要更多動作為止,最後產生最終回應、後處理,並結束 session,之後可再恢復。
從觸發到 session 結束的完整執行迴圈 —— 點擊可放大。
觸發來源

一個回合可能由使用者提示、排程任務、事件或 webhook、通知,或 MCP 請求啟動。無論來源為何,都進入同一條管線 —— 沒有任何來源享有私有的程式路徑。

每一次請求
  1. 提示 —— 傳入的請求,無論由哪種觸發來源產生,都會被正規化。
  2. 上下文準備 —— 檢索、組裝並壓縮歷史紀錄、檔案與工具 schema,以塞進上下文視窗。
  3. 模型推理 —— 模型先理解任務並規劃做法,再動手處理任何事情。
Agentic 迴圈
  1. 規劃下一步 —— 決定接下來唯一的一個步驟。
  2. 選擇工具 —— 為該步驟挑選最合適的工具。
  3. 權限檢查 —— 人機協作的關卡;被拒絕的呼叫絕不會執行。
  4. 執行工具 —— 實際執行該動作。
  5. 觀察結果 —— 收集輸出與回饋,包含失敗的情況。
  6. 更新記憶 —— 把結果併回上下文與 session 狀態。
  7. 評估任務 —— 還需要做更多事嗎?需要就回到規劃,不需要就離開迴圈。
完成
  1. 最終回應 —— 產生、摘要並交付答案。
  2. 後處理 —— 記錄檔、稽核軌跡與遙測資料。
  3. Session 結束 —— 狀態會被保存,之後的觸發可以接續同一個 session。

每個步驟都以事件形式串流輸出,這正是 TUI 即時渲染的內容,也是嵌入 Arlo 的應用程式可以訂閱的對象。 看看架構怎麼設計 →