理解 Agent 的基本循环：Observe → Think → Act → Observe

2026年5月27日 · 4 分钟 · 651 字 · hyuzz

📑 文章目录

▼

前言：Agent 为什么能「自己干」？

上一篇咱们聊了 AI 的四大范式，其中 Agent 最核心的特征就是自主决策。但「自主决策」这四个字说起来容易，到底是怎么实现的？

答案就在一个循环里：Observe → Think → Act → Observe。

这不是我发明的，这个模式有深远的渊源——从军事领域的 OODA 循环，到 AI 领域的 ReAct 模式，本质上都在说同一件事：智能的本质就是「观察-思考-行动」的持续循环。

今天就拆开这个循环，说透它到底怎么运转。

一、源头：OODA 循环

1.1 什么是 OODA？

OODA 循环是美国空军上校约翰·博伊德（John Boyd）在 1950 年代提出的空战决策理论 [1]，四个字母分别代表：

步骤英文中文核心动作
OObserve观察获取信息，感知环境
OOrient判断分析信息，形成认知
DDecide决策选择行动方案
AAct行动执行决策

博伊德的核心观点是：谁能更快地完成 OODA 循环，谁就能在对抗中占据优势。 不是谁更强谁赢，而是谁转得更快谁赢。

1.2 OODA 和 Agent 的关系

OODA 循环虽然是军事理论，但完美对应了 AI Agent 的运行机制：

OODAAgent 对应具体表现
Observe感知读取用户输入、工具返回结果、环境状态
Orient推理LLM 分析信息、理解上下文
Decide规划选择下一步行动、决定调用什么工具
Act执行调用工具 API、生成输出

在 AI Agent 的实践中，Orient 和 Decide 通常合并为 Think（思考），因为 LLM 的推理过程本身就包含了判断和决策。所以 Agent 的循环简化为三步：Observe → Think → Act。

二、拆解三步循环

2.1 Observe：观察——Agent 的眼睛

Observe 是循环的起点，Agent 通过观察获取信息。信息来源有三个：

1. 用户输入

用户的原始请求，是 Agent 第一次观察的主要信息源。

用户：帮我查一下北京今天适不适合跑步

2. 工具返回结果

Agent 调用工具后，工具会返回结果，这是 Agent 在后续循环中需要观察的新信息。

天气 API 返回：北京 28°C，空气质量指数 85，东南风 3 级

3. 环境状态

Agent 运行过程中的上下文信息，包括已执行的步骤、历史记录、内存中的数据等。

历史记录：已调用天气 API 1 次，已调用空气质量 API 1 次

关键点：每次循环的 Observe 都不同。第一次观察的是用户输入，后续观察的是上一轮 Act 的结果。这就是「循环」的意义——每一轮都基于新信息做决策。

2.2 Think：思考——Agent 的大脑

Think 是循环的核心，也是 Agent 和 Workflow 的根本区别。Workflow 不需要思考（人已经帮它想好了），Agent 必须自己想。

Think 阶段做了三件事：

1. 分析信息

把 Observe 获取的信息和已有知识结合，理解当前状态。

当前信息：28°C，AQI 85，东南风 3 级
已有知识：AQI 0-50 优，51-100 良，101-150 轻度污染
分析：AQI 85 属于「良」，温度适中，但有轻微污染

2. 制定计划

决定下一步做什么。是继续调用工具获取更多信息？还是已经可以回答用户了？

计划：AQI 85 对跑步有影响，但需要确认具体建议
→ 调用健康建议 API，查询 AQI 85 时的运动建议

3. 选择工具

从可用工具列表中选择最合适的工具，并确定调用参数。

选择工具：health_advice_api
参数：{ aqi: 85, temperature: 28, activity: "running" }

关键点：Think 的质量取决于 LLM 的推理能力。GPT-4 级别的模型思考得更深，小模型可能想不清楚就乱调用工具。

2.3 Act：行动——Agent 的手脚

Act 是循环的执行阶段，把 Think 的决策变成实际行动。

Agent 常见的行动类型：

行动类型说明示例
工具调用调用外部 API 或函数搜索、查询数据库、执行代码
信息检索从知识库或文档中检索RAG 查询、向量搜索
内容生成生成文本、代码等写文章、生成代码
状态更新修改内存或环境状态保存中间结果、更新变量
最终回答把结果返回给用户任务完成，输出答案

关键点：Act 之后必须回到 Observe。因为行动会产生新信息（工具返回结果），Agent 需要观察这些新信息，才能决定下一步。

三、ReAct：思考与行动的交替

3.1 ReAct 模式详解

ReAct（Reasoning + Acting）是 Yao 等人在 2022 年提出的 Agent 推理框架 [2]，是 OTA 循环最经典的实现方式。

核心思想：思考（Reasoning）和行动（Acting）交替进行，互相增强。

一个完整的 ReAct 流程如下：

Thought 1: 用户想知道北京适不适合跑步，我需要先查天气和空气质量
Action 1:  调用 weather_api(city="北京")
Obs 1:     北京 28°C，晴，东南风 3 级

Thought 2: 天气不错，但还需要查空气质量
Action 2:  调用 aqi_api(city="北京")
Obs 2:     AQI 85，良

Thought 3: AQI 85 属于良，对敏感人群有轻微影响，需要查一下运动建议
Action 3:  调用 health_api(aqi=85, temp=28, activity="跑步")
Obs 3:     建议减少户外长时间高强度运动

Thought 4: 已获取所有信息，可以综合回答了
Action 4:  返回最终答案

3.2 为什么不能只思考不行动？

纯推理（Chain-of-Thought） 的问题：LLM 只能基于已有知识推理，无法获取新信息。

❌ 纯推理模式：
Think: 北京今天可能很热，不适合跑步...（猜的，没有实际数据）
Answer: 北京今天太热了，不建议跑步（错误！实际 28°C 很适合）

3.3 为什么不能只行动不思考？

纯行动（Act-only） 的问题：没有推理指导，工具调用盲目，容易走错方向。

❌ 纯行动模式：
Action: 调用 weather_api(city="北京")      → 28°C 晴
Action: 调用 weather_api(city="上海")      → 30°C 多云（不需要！）
Action: 调用 weather_api(city="广州")      → 33°C 雨（更不需要！）
Action: 调用 stock_api(symbol="AAPL")     → 完全跑偏了...

3.4 ReAct 的优势

对比维度纯推理（CoT）纯行动（Act-only）ReAct
获取新信息❌ 不能✅ 能✅ 能
推理规划✅ 能❌ 不能✅ 能
方向可控⚠️ 可能偏❌ 容易偏✅ 较可控
效率高（不调工具）低（盲目调工具）中（按需调工具）

四、循环什么时候停止？

Agent 不能一直转下去，必须有停止条件。常见的停止策略：

4.1 自然停止：任务完成

Agent 判断已经收集到足够信息，可以给出最终答案了。

Thought: 已获取天气（28°C 晴）和 AQI（85 良），信息足够
Action:  返回最终答案 → "北京今天温度适中..."

4.2 强制停止：达到最大步数

设置 max_iterations，超过就强制停止，防止无限循环。

agent = Agent(max_iterations=10)  # 最多循环 10 次

4.3 超时停止：超过时间限制

设置总执行时间上限，超时则中断。

agent = Agent(timeout_seconds=60)  # 最多执行 60 秒

4.4 异常停止：工具调用失败

工具调用出错且无法恢复时，Agent 决定停止。

Thought: 天气 API 返回 500 错误，重试 3 次仍然失败
Action:  返回部分答案 + 说明 API 暂时不可用

五、实际代码演示

用 LangChain 实现一个最简单的 OTA 循环 Agent：

from langchain.agents import create_react_agent, AgentExecutor
from langchain.tools import tool
from langchain_openai import ChatOpenAI

# 定义工具
@tool
def get_weather(city: str) -> str:
    """查询指定城市的天气"""
    # 实际场景中调用天气 API
    return f"{city}：28°C，晴，东南风 3 级"

@tool
def get_aqi(city: str) -> str:
    """查询指定城市的空气质量指数"""
    return f"{city}：AQI 85，良"

# 创建 Agent
llm = ChatOpenAI(model="gpt-4")
tools = [get_weather, get_aqi]
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, max_iterations=5)

# 运行：自动执行 OTA 循环
result = agent_executor.invoke({
    "input": "北京今天适不适合跑步？"
})
print(result["output"])

运行时，Agent 内部自动执行 OTA 循环：

  1. Observe: 收到「北京今天适不适合跑步？」
  2. Think: 需要查天气和空气质量
  3. Act: 调用 get_weather("北京")
  4. Observe: 收到「28°C，晴，东南风 3 级」
  5. Think: 还需要查 AQI
  6. Act: 调用 get_aqi("北京")
  7. Observe: 收到「AQI 85，良」
  8. Think: 信息足够，可以回答了
  9. Act: 返回最终答案

六、常见问题与最佳实践

6.1 Agent 陷入死循环怎么办？

症状：Agent 反复调用同一个工具，或在不同工具间来回跳转。

解决：

  • 设置 max_iterations 限制循环次数
  • 在 Prompt 中明确「不要重复相同的操作」
  • 加入去重逻辑：如果连续两次 Action 相同，直接停止

6.2 Agent 选择了错误的工具怎么办？

症状：Agent 调用了不该调用的工具，或传了错误的参数。

解决：

  • 工具描述要写清楚，包括适用场景和参数格式
  • 在 Think 阶段加入自我检查：「这个工具适合当前情况吗？」
  • 限制可用工具数量，不要给 Agent 太多选择

6.3 OTA 循环太慢怎么办？

症状：一个简单问题要循环 5-6 次，Token 消耗巨大。

解决：

  • 优化 Prompt，让 Agent 尽量一次 Think 就规划好多步
  • 使用「规划-执行」分离模式：先规划所有步骤，再批量执行
  • 考虑是否真的需要 Agent，也许 Workflow 就够了

参考链接

  1. John Boyd - OODA Loop — 博伊德的 OODA 循环理论，Agent 循环的军事理论源头
  2. ReAct: Synergizing Reasoning and Acting in Language Models — Yao et al., 2022，ReAct 模式原始论文
  3. Chain-of-Thought Prompting Elicits Reasoning — Wei et al., 2022，CoT 推理模式原始论文
  4. Lilian Weng - LLM Powered Autonomous Agents — Agent 架构最全面的综述
  5. LangChain ReAct Agent Documentation — LangChain ReAct Agent 实现
  6. Andrew Ng - AI Agentic Design Patterns — 吴恩达 Agent 设计模式课程

未经作者禁止转载！

本文链接： https://hyuzz-nuc.github.io/posts/agent-observe-think-act-loop/

未经作者禁止转载！