Agent Loop：Harness 的核心循环

最小可用循环（30 行伪代码）

messages = [system(工具清单+规则), user(任务)]
while True:
    resp = model(messages)                 # 思考
    if not resp.tool_calls:                # 没有工具调用 = 任务完成
        return resp.text
    for call in resp.tool_calls:           # 行动
        result = execute(call)             # Harness 执行工具
        messages.append(tool_result(result))  # 观察：结果喂回
    if steps > MAX_STEPS:                  # 预算兜底
        return "任务超时，已完成的进展如下…"

这个"思考 → 行动 → 观察"的循环就是所有 Harness 的心脏 —— 本站《Agents：智能体工作原理》课讲的 ReAct，正是它的提示词形态。

四个工程决策点

• 终止条件：模型不再调用工具 / 明确输出完成标记；要防"过早收工"（提示词要求自我检查）与"无限续命"（步数预算强制截断）；
• 错误恢复：工具报错不抛异常，而是把错误信息作为观察喂回，让模型自己改参数重试 —— Harness 的第一补救手段永远是"告诉模型"；
• 步数/成本预算：MAX_STEPS、token 上限、超时，三道保险丝缺一不可；
• 状态持久化：长任务把中间状态落盘，崩溃后可从断点恢复（LangGraph 的 checkpoint 思想）。

并行与串行

无依赖的工具调用并行执行（读三个文件）；有依赖的串行（先搜索再打开结果）。好的 Harness 会让模型在一次输出中声明多个调用，由 Harness 调度并行。