阶段作业｜让你的 Agent 学会“慢思考 + 动手做事”

作者：Tony Bai

以输出倒逼输入，希望你可以自己动手做出专属的Agent

课程更新到第 06 讲，我们已经一起完成了：

Main Loop（Agent 如何持续运行）
慢思考（Thinking 阶段拆分）
Provider 抽象（接入大模型）
Tool Registry（工具注册与分发）
YOLO 工具哲学（用最少工具完成最多事情）

接下来，是时候把这些能力“合起来用一次”了👇

🎯 作业目标（当前阶段）

基于你已有的 Agent Harness，实现一个：
👉 “能慢思考、会用工具、能推进任务”的 Agent

🟢 Level 1（目前可以完成｜基于前6讲）

让你的 Agent具备以下能力：

1️⃣ 慢思考（Thinking 阶段）

在 Main Loop 中，显式区分 Thinking / Acting
先思考“下一步做什么”，再执行

2️⃣ 工具调用（Tool Registry）

至少接入 1 个工具（如：文件读取 / 简单编辑）
通过统一注册与分发机制调用（而不是写死）

3️⃣ YOLO 执行一次完整任务

给定一个目标（如：读取一个文件并总结）
Agent 自己决定调用工具并完成任务

👉 关键词：慢思考 → 动手做 → 得到结果

🟡 Level 2（进阶｜可提前探索）

在 Level 1 基础上尝试：

让 Thinking 阶段更结构化（比如输出“计划”而不是一句话）
支持多步执行（一次任务不一定一步完成）
尝试让 Agent 根据情况选择不同工具（而不是固定一个）

👉 关键词：让 Agent 开始“连续行动”

🔴 Level 3（挑战｜对标业界Claude Code最佳实践）

如果你有兴趣，可以结合 Claude Code 设计思路，尝试：

做一个更清晰的循环：Thinking → Acting → Observation → 再思考
让 Agent 根据执行结果调整下一步行为
尝试优化 Prompt 结构（思考 vs 执行分离）

👉 关键词：让 Agent 开始“像一个系统在运转”

Claude Code 源码泄漏存档：https://github.com/FlyAIBox/civil-engineering-cloud-claude-code-source-v2.1.88

📦 如何提交 & 提交内容与格式

按以下结构提交到本讲留言区（缺一不可）：

1️⃣ 代码仓库（必需）

提供 GitHub / Gitee 链接
至少包含：Main Loop、Thinking、Tool 调用核心代码

2️⃣ 运行演示（必需）

一段真实任务执行过程（建议贴日志）
示例格式：
- 用户输入
- Thinking 输出
- Tool 调用
- 最终结果

3️⃣ 设计说明（必需）

请用 3～5 句话说明：

你的 Main Loop 是怎么设计的？
Thinking 和 Acting 是如何拆分的？
Tool Registry 是如何组织的？

👉 不要求长，但要讲“你的取舍”

🧪 我们会重点关注什么？（评分标准）

不是看“功能多不多”，而是看这 3 点：

✅ 结构是否清晰（有没有真正拆出 Thinking）

✅ 是否解耦（Tool 有没有通过 Registry 管理）

✅ 是否可扩展（能不能自然加新工具 / 新步骤）

💬 加分项（可选）

有清晰的日志输出（能看到 Agent 的“思考过程”）
有失败案例（以及你是怎么修的）
有自己的小优化（哪怕很简单）

📌 说明

不要求一步到位，可以随着课程进度不断升级
欢迎把你的执行过程（Thinking / Tool 调用 / 输出）贴出来
我们会挑选一些实现做点评（重点看“设计”，不只是结果）

课程结课后一周，我们会选择其中最佳的5个设计方案，给予奖励并在课程内公示。

奖励：价值99元的课程阅码，现有课程任选

好记性不如烂笔头！如果你已经学完更新的内容，希望你可以好好完成以上作业，以输出倒逼输入，相信会有意想不到的收获～

也欢迎大家在评论区说说目前卡在哪一块，我们会优先在后面的内容里重点补上。

👉 好课推荐：《AI原生开发工作流实战》Tony Bai 出品，已完结
——Claude Code + SDD，打造你的自动化 AI 工作流

精选评论

向往: 1️⃣ 代码仓库

GitHub: https://github.com/skytodmoon/go-tiny-claw

核心结构:

plaintext

go-tiny-claw/ ├── internal/ │ ├── engine/loop.go # Main Loop核心 │ ├── tools/registry.go # 工具注册管理 │ ├── tools/read_file.go # 读文件工具 │ ├── tools/write_file.go # 写文件工具 │ ├── tools/edit_file.go # 编辑文件工具 │ ├── tools/bash.go # Bash命令工具 │ ├── schema/message.go # 消息与工具调用定义 │ └── logger/logger.go # 日志系统 ├── cmd/claw/main.go # 主入口 └── integration/level3_integration_test.go # 集成测试

2️⃣ 运行演示

用户输入: 读取 README.md 并创建 SUMMARY.md 说明文档

执行日志: 3 轮循环完成任务，成功调用 read_file、write_file 工具，总回合 3 次，工具调用 2 次全成功

3️⃣ 设计说明

Main Loop 设计

四阶段循环：Thinking→Acting→Observation→Re-thinking

Thinking：分析状态、规划行动、选择工具
Acting：调用 LLM 获取指令并执行工具
Observation：收集工具结果并记录
Re-thinking：调整策略，决定循环 / 结束

Thinking/Acting 拆分

动态系统提示词实现分离，共享上下文，指令不同

🧪 评分标准对照

✅ 结构清晰：四阶段分离，Thinking 独立于 Acting

✅ 解耦：Registry 管理工具，引擎不依赖具体实现

✅ 可扩展：实现接口即可新增工具

💬 加分项

日志系统：多级日志、彩色控制台 + 纯文本文件、模块化标识
问题修复：移除日志颜色代码、注册 BashTool
优化：动态上下文组装压缩、200K token 预算、执行摘要统计

📌 版本历史

v0.1 (2026-05-01)：Level1 完成慢思考 + 工具调用

v0.3 (2026-05-04)：Level3 完成四阶段循环 + 上下文管理

v0.3.1 (2026-05-04)：日志系统 + BashTool 支持

提交人: Bob 提交日期: 2026-05-04 课程: AI Agent 实战 Level3 具体可以看代码仓库下面HOMEWORD_SUBMISSION.md

作者回复: 👍

利: 老师是否可以讲下反思相关的实践

作者回复: reflection我认为算是harness高级实践。在专栏中，我们在第 14 讲（Error Recovery 注入模板）和第 15 讲（System Reminders 斩断死循环）其实已经通过被动触发的方式实现了基础的“反思”。但是更复杂的、更系统的反思机制，尚未覆盖。这个看看后续是否值得在加餐里补充聊一下[手动抱拳]

利: 老师，Reporter 和 hooks定位是一样的么？是否可以讲下hooks

作者回复: Reporter 和 Hooks 在机制上是相似的，都在核心循环的特定节点触发，但在设计定位上是不同的。

Reporter是单向输出的。它的唯一职责是将引擎内部的状态翻译给“人类”或 UI 界面看（比如打印终端颜色、发飞书卡片）。它绝对不应该去干预引擎的执行逻辑。

Hooks（钩子）是双向的。我们在第 16 讲实现的 Middleware 就是一种典型的Hook。它不仅能感知上下文，还能主动返回 (allowed bool, rejectReason string) 去阻断工具的执行，甚至可以在 PostToolUse 时强行改写工具的返回值。

在工业级 Harness 中，Hooks 是系统扩展的灵魂，比如你可以在 PostCompact Hook 中把被压缩掉的历史保存到数据库中，或者在 PreToolUse Hook 中自动续期某个 API Token。

Jaising: 1、代码仓库 git@github.com:JaisingZ/java-tiny-claw.git

2、运行日志 PS D:\WorkSpace\java-tiny-claw> java -cp $cp com.jaising.agent.app.AgentApplication run --debug --max-steps 5 --prompt "请创建文件 target/Hello.java，用 bash 编译并运行它，要求输出 Hello，Java！" 2026/05/28 10:23:24 [Registry] 成功挂载工具: read_file ...... 引擎启动，锁定工作区: D:\WorkSpace\java-tiny-claw 模型: Qwen/Qwen3-8B 慢思考模式 (Thinking Phase): false 可用工具: [read_file, write_file, edit_file, bash]

2026/05/28 10:23:25 ========== [Turn 1] 开始 ========== [Engine][Phase 2] 恢复工具挂载，等待模型采取行动... [Engine][Phase 2] 可见工具: [read_file, write_file, edit_file, bash] ...... 2026/05/28 10:23:46 -> ✅ 工具执行成功 (返回 46 字节, 耗时 3ms)

2026/05/28 10:23:46 ========== [Turn 2] 开始 ========== ...... ========== [Provider][ACTION] Parsed Decision ========== ToolDecision tool=bash args={command=javac target/Hello.java; if ($LASTEXITCODE -eq 0) { java -cp target Hello } else { exit $LASTEXITCODE }} [Engine] 模型请求调用工具: bash 2026/05/28 10:24:04 -> 🛠️ 执行工具: bash, 参数: {command=javac target/Hello.java; if ($LASTEXITCODE -eq 0) { java -cp target Hello } else { exit $LASTEXITCODE }} 2026/05/28 10:24:06 -> ✅ 工具执行成功 (返回 17 字节, 耗时 1604ms)

2026/05/28 10:24:06 ========== [Turn 3] 开始 ========== ...... ========== [Provider][ACTION] Parsed Decision ========== FinishDecision answer=最终回答：已成功编译并运行 target/Hello.java，输出结果为 "Hello，Java！"。 2026/05/28 10:24:27 [Engine] 模型未请求调用工具，任务宣告完成。 🤖 [最终回复]: 最终回答：已成功编译并运行 target/Hello.java，输出结果为 "Hello，Java！"。

3、设计说明 Task -> AgentEngine -> ModelProvider -> Decision ModelProvider: ThinkingDecision: 只记录思考，不执行工具 ToolDecision: Middleware 检查后交给 ToolRegistry 执行 FinishDecision: 保存最终答案并结束任务

ToolDecision -> ToolRegistry -> Tool(read_file/write_file/edit_file/bash) -> ToolResult ToolResult -> AgentState observation -> 下一轮 Main Loop

作者回复: 👍

微风: 老师加油更新呀

编辑回复: 老师正在努力码字中 ✍️

梅子: 老师有没有学习交流群啊

作者回复: 编辑老师那有一个微信交流群。

shuff1e: • 1️⃣ 代码仓库（必需）

代码仓库：https://github.com/shuff1e/go-nanoclaw

核心代码：

Main Loop：internal/agent/agent.go
Thinking / Provider 抽象：internal/brain/brain.go、internal/brain/openai.go、internal/brain/anthropic.go
Tool Registry / Tool 调用：internal/hands/registry.go、internal/hands/hands.go、internal/hands/builtins.go

2️⃣ 运行演示（必需）

用户输入：请执行一个 Level 3 Agent 演示任务：总结当前项目的 Agent 架构。

Thinking 输出：先观察 workspace，确认项目结构和可读文件，而不是直接猜测。

第一次 Tool 调用： list_workspace args: {"path":"."}

第一次 Observation：目录中发现 README.md、cmd/、internal/ 等，README.md 最适合作为项目能力入口。

Re-thinking 输出：根据目录结果，下一步应读取 README.md 来确认项目定位、架构和已有能力。

第二次 Tool 调用： read_workspace_file args: {"path":"README.md"}

第二次 Observation： README 显示项目是 Go 实现的轻量级 Agent Runtime，包含 Main Loop、Provider、Tool Registry、执行模式、安全策略、持久化和可观测性。

最终结果：当前项目已经具备 Agent Runtime 的核心闭环：用户输入进入 Main Loop，模型先 Thinking，再通过 Tool Registry 选择工具执行，工具结果作为 Observation 回到上下文，模型再根据 Observation 调整下一步行动并输出最终总结。

3️⃣ 设计说明（必需）

我的 Main Loop 在 internal/agent/agent.go 中实现：用户输入会先构建 request frame，然后调用 Brain；如果 Brain 返回 ToolCalls，就进入工具循环，执行工具后把 tool_result 注入上下文，再次调用 Brain。

Thinking 和 Acting 的拆分体现在模型响应中：模型先说明下一步计划，再通过 ToolCalls 发起 Acting；Observation 由工具结果提供，并驱动下一轮 Re-thinking。

Tool Registry 由 internal/hands 管理，工具 schema 和执行入口统一放在 Hands.GetToolSchemas / Hands.ExecuteStructured，Main Loop 不依赖具体工具实现。

我的取舍是保留通用 Agent Loop，不为单个任务写死流程，而是通过 Prompt 约束真实模型完成多轮观察和行动，从而展示 Level 3 的系统运转感。

Geek_7919a1: 更新有点慢啊