Part II: Agent Loop -- 循环的艺术

核心循环：Agent 就是一个 Message --> Think --> Act --> Observe 的循环。理解这个循环，就理解了 AI Agent 的心跳。

这个 Part 要解决什么问题

当你告诉 Agent「帮我重构这个函数」，它不是调一次 API 就完事。它可能要读文件、理解上下文、写代码、跑测试、发现报错、再改代码——一连串动作构成一个循环。这个循环怎么实现？API 怎么调？流式响应怎么处理？错误怎么恢复？对话越来越长、上下文窗口快爆了怎么办？

Part II 拆解 Agent 的心跳。从外层的查询引擎（会话管理、状态维护、预算控制）到内层的查询函数（API 调用、工具执行、循环判断），再到让整个系统能够长期运行的上下文管理机制。三章读完，你将理解一个生产级 Agent 从接收用户输入到产出最终回复的完整生命周期。

包含章节

Chapter 3: Agent Loop 解剖 -- 一轮对话的完整旅程。 为什么把循环拆成两层（查询引擎 + 查询函数）？为什么选择 AsyncGenerator 而不是回调或事件发射器？分层的好处是什么？这一章带你走完循环的每一步。

Chapter 4: 与 LLM 对话 -- API 调用、流式响应与错误恢复。 调一次 API 看似只需三行代码，但生产环境下藏着一百种失败方式：过载、超时、token 超限、服务器错误。流式传输如何让用户不用盯着空白屏幕？自动重试的策略是什么？

Chapter 5: 上下文窗口管理 -- 有限记忆下的生存之道。 200K token 听起来很多，但 Agent 场景下几十分钟就能花光。六层压缩管线——从 microcompact 的精准外科手术到 autocompact 的全量摘要替换——如何用最小代价保持上下文可用？

与其他 Part 的关系

• 前置知识：Part I 中的心智模型和架构全景，特别是 Chapter 2 的「一条消息的旅程」。
• 后续延伸：Agent Loop 是工具执行（Part III）的运行时容器——工具调用发生在循环内部。权限检查（Part IV）嵌入在循环的工具执行阶段。多 Agent 编排（Part V）本质上是多个循环的协调。上下文管理（Chapter 5）与记忆系统（Part VI, Chapter 17）紧密互补。