大模型能写代码, 靠的是一个简单循环

Wed, 02 Sep 2026 09:30:00 +0000

我读 Gemini CLI 源码, 起因很具体: 去年我在公司内部做了一个 Code Agent 产品, 给它设计循环机制的时候, 我想知道一个已经跑在大量开发者终端上的开源实现是怎么做的, 于是把 Gemini CLI 的核心目录翻了一遍。

翻完的结论出乎意料: 最核心的东西非常小——就是一个循环。模型说话, 发起工具调用, 拿到工具结果, 再说话。其余的一切, 审批、上下文压缩、循环检测、预算控制、模型降级, 全是围着这个循环做的外围工程。我后来自己搭产品, 也是先把这个循环立起来, 再逐个补护栏。连"下一句话该谁说"这种问题, 也只是循环里的一个判定点: 模型说完而没发起工具调用时, 一个轻量模型会被叫来判一次"该继续还是该交还用户", 判"继续"就自动接一轮。

这个结论在源码里有多简单, 可以用三个细节说明。Turn 类把一次模型调用包装成事件流, 事件类型在源码里就是一个枚举——从文本流、工具调用请求到循环检测、会话轮数到顶, 覆盖了循环可能遇到的每一类情形。client.ts 里写死一个 MAX_TURNS = 100, 给这个递归加硬上限。next-speaker-checker 的判定提示里只有三条规则: 上一条回复说了接下来要做什么, 模型接着说; 以向用户的提问结尾, 交还用户; 除此之外, 交还用户。一个让大模型自主干活的系统, 它的决策点就是这几行。

flowchart TB
 A[用户请求] --> B[模型说话<br/>可能发起工具调用]
 B --> C{发起了<br/>工具调用?}
 C -->|是| D[调度器执行工具<br/>结果写回历史]
 D --> B
 C -->|否| E[Next Speaker 判定<br/>轻量模型决策]
 E -->|模型继续| B
 E -->|交还用户| F[控制权回到输入框]

Anthropic 在《Building effective agents》里把这个事实写得很直白: agent 通常就是"大模型在循环里依据环境反馈使用工具"。那接下来的三个问题就值得认真回答了: 这套机制从哪来? 为什么它偏偏在写代码这件事上威力这么大? 现在的 coding agent 是不是都在这么跑?

SWE-Agent on Time Friend

大模型能写代码, 靠的是一个简单循环