AI 代理（agent，即會呼叫工具執行任務嘅 LLM 系統）想真係幫到手，靠嘅唔單止模型勁。LangChain 喺 10月28日嘅官方 blog 發文《The Art of Loop Engineering》（迴圈工程嘅藝術）提出：要做好可靠嘅 agent，要由「loop」逐層疊起。
基礎 loop 即模型叫工具（tool call）做嘢，做晒先止。LangChain 指呢係最底層嘅 agent loop，靠 create_agent 配合工具就搞掂。佢哋以自家內部嘅文件 agent 為例：收到文件改善請求，模型企劃同草稿改動，用工具 clone repo、讀檔、寫文件、開 pull request。
第二層係驗證 loop。佢哋指 agent 唔一定第一次做啱，所以要包一個「grader」檢查輸出，失敗就將反饋交返模型。Grader 可以係確定式（例如跑測試、查 CI）或者用「LLM as a judge」嘅 agentic 方式。呢層會加延遲同成本，但 LangChain 認為多數生產環境都值。
第三層係事件驅動 loop。Agent 唔係你手動叫先執行，而係背景持續運行嘅組件：有新文件、有排程、有 webhook 觸發，就即刻跑。佢哋指自家嘅 LangSmith Deployment 提供 cron 排程同 webhook，而自家嘅文件 agent 由 no-code agent builder Fleet 驅動，用 Slack channel 觸發。
第四層「Hill climbing loop」呢，係前三分鐘（原文：前三層）自動化「做嘢」，第四層自動化「改善」。每一次 agent run 都會產生 trace（執行記錄）：模型做咗乜、叫咗乜工具、grader 俾咗乜反饋。呢份 trace 就係之後自改善嘅原料。
阿調搞兩下：呢篇文本質係 LangChain 自家產品嘅框架化 marketing——但「stacking loops」呢個概念本身，就係呢個行業由「模型好勁」過渡到「系統可靠」嘅核心問題。值得留意嘅係，呢個「loop」話語係 Swyx（原 Cognition CEO）先寫出嚟嘅概念（loopcraft），LangChain 喺度擴充並用自家產品對號。做 agent 嘅人，最緊要嘅唔係模型跑分，係你能唔能夠為佢設計一個「出錯有跡、有跡可查、有查可改」嘅系統。
阿調｜深度調教
