三种AI编码Agent,三种循环哲学,你的代码在用哪种方式写?

当所有 AI 编码 Agent 都能读代码、想方案、写代码、跑测试的时候，真正区分它们的东西已经不是能力，而是循环的设计。

2025 年起，Claude Code、OpenAI Codex CLI 相继面世，市面上有不少 AI 编码 Agent 方案。表面看都能干活，但循环结构才是真正区分它们的地方。就像同样是发动机，二冲程、四冲程、转子引擎的特性完全不同。

循环工程（Loop Engineering）不是指代码里的 for/while 语句，而是 Agent 感知→推理→行动→观察这个闭环的整体设计哲学。它涵盖循环的触发条件（什么时候走下一圈）、退出机制（什么时候停下来）、信息密度（每步消耗多少 token）、状态管理（上下文怎么继承）。

think() 先想清楚再动手

Anthropic 在 Claude Code 里把推理抽象成一个独立工具 think()。

普通 Agent 的循环是：用户输入 → 工具调用 → 观察 → 工具调用 → ... → 输出。

Claude Code 的循环是：用户输入 → think() → 工具调用 → 观察 → think() → 工具调用 → ... → 输出。

think() 把推理和执行在 token 层面隔离开了。推理步不消耗工具调用额度，纯靠模型内部思考；执行步才调用工具。双环设计：内环（think）负责推理规划纠偏，每次工具调用前执行；外环（tool）负责执行读取观察，按需调用。

设计意图是让模型在执行之前先想清楚。token 比工具副作用便宜，与其执行错了再回滚，不如先推演再动手。Anthropic 在 τ-Bench 测试中验证了这一点：加入 think 工具后，客服场景的任务成功率有显著提升。代价是简单任务上 token 浪费，补偿机制是 think() 输出不带到下一轮对话，用短暂 memory 换效率。

所有工具平级排列的扁平哲学

OpenAI 的 Codex CLI 不分推理环和执行环，所有工具平级排列。

Codex 的循环是：用户输入 → {read | write | edit | search | run} → 观察 → {read | write | ...} → 观察 → 输出。

没有 think()，没有 plan()。推理发生在每次工具调用前的隐式 token 预测中，模型边推理边决定下一步动作。

Codex 用 token budget 控制复杂度：可配置的 tool call 上限、失败时的指数退避重试、上下文溢出时的上下文压缩（Context Compaction）机制。不是直接截断，是先压缩后继续。

扁平大环适合快速迭代。缺乏独立推理步让它在高风险修改场景下更容易犯错，但日常编码差距很小。

三阶段环：生成之后必须审查

我基于原子智能体手搓的 CodeAgent 走了第三条路：按阶段划分循环，阶段内线性执行，阶段间反馈闭环。（见公众号上篇文章）

核心结构：think() → implement() → review()。

第一阶段设计，think() 输出计划假设和简化方案，DeepSeek V4 配温度 0.2。第二阶段生成，implement() 写代码，同模型配温度 0.3。第三阶段审查，review() 做静态评分加问题列表，用本地 ornith:latest 配温度 0.4。

评分低于 70 分时，审查反馈喂回 implement() 修正。

三个关键设计决策决定了性格。审查用本地模型，生成用云端模型，审查成本为零。静态测试生成用 ast.parse（0.001 秒），不依赖 LLM。最大 3 次迭代，不是无限循环。单次 implement() 初始评分 45-60，一轮审查修复后升到 65-78，第二轮提升掉到 5 分以下。3 轮是收益递减拐点。代码审查的边际收益曲线陡峭下降，第一轮发现约 70% 问题，第二轮约 20%，第三轮以后只剩 10%。3 轮不是保守，是务实。

三种循环的深层差异

Claude Code 双环，推理执行分开，推演先行。核心假设是推理比执行便宜。对应结构化方法：先设计后编码。

Codex CLI 扁平大环，推理在 token 流内隐式完成，执行试错。核心假设是强模型不需要显式推理。对应敏捷式开发，快速迭代，持续反馈。

CodeAgent 三阶段环，设计生成审查各司其职，审查驱动。核心假设是生成质量依赖审查反馈而非模型一次猜对。对应代码审查式工程：写完必须 review。

没有绝对优劣。高风险重构适合 Claude Code，探索编码适合 Codex，生产交付审查适合 CodeAgent。

循环工程的核心设计考量

无限循环的边际效用递减是实证规律。三种熔断答案：Claude Code 交互模式无显式上限，Codex 用可配置 tool call 上限，CodeAgent 用 3 轮迭代。四种熔断条件：质量熔断、退火熔断、方向熔断、token 预算熔断。

上下文管理是三系统最大分歧。Claude Code 靠 think() 压缩推理；Codex 用上下文压缩（Context Compaction）；CodeAgent 靠阶段隔离。理想是三级分层：L1 全局（全会话携带），L2 当前循环（本阶段内携带），L3 瞬时（摘要后丢弃）。三个系统各覆盖一部分，没有一个完整实现。

模型分工是 CodeAgent 独有的探索。强推理做架构，中等推理做生成，本地模型做审查，规则引擎做测试。不单纯是省 token，而是工具归工具、推理归推理。

人机循环的接入点三个系统目前都没做好。应该提供三个介入点：执行前确认方向、自动修复失败时人工判断、最终输出前逐行审查。连续多次修复同一问题未解决就暂停等人类决策。

循环的价值不在于跑了多少圈，而在于恰好在需要的时候停下来。见过 40 次 tool call 的 runaway agent 以后你会明白，让 Agent 跑得快不稀缺，让 Agent 知道什么时间该停才是稀缺的，这可能是循环工程的下一个前沿。