autonomous-agent-patterns

# 🕹️ 自主智能体模式 > 受 [Cline](https://github.com/cline/cline) 和 [OpenAI Codex](https://github.com/openai/codex) 启发的自主编码智能体构建设计模式。 ## 何时使用此技能 在以下场景中使用： - 构建自主 AI 智能体 - 设计工具/函数调用 API - 实现权限与审批系统 - 为智能体创建浏览器自动化 - 设计人机协作 (Human-in-the-loop) 工作流 --- ## 1. 核心智能体架构 ### 1.1 智能体循环 ┌─────────────────────────────────────────────────────────────┐ │ 智能体循环 │ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 思考 │───▶│ 决策 │───▶│ 行动 │ │ │ │ (推理) │ │ (规划) │ │ (执行) │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ ▲ │ │ │ │ ┌──────────┐ │ │ │ └─────────│ 观察 │◀─────────┘ │ │ │ (结果) │ │ │ └──────────┘ │ └─────────────────────────────────────────────────────────────┘ python class AgentLoop: def __init__(self, llm, tools, max_iterations=50): self.llm = llm self.tools = {t.name: t for t in tools} self.max_iterations = max_iterations self.history = [] def run(self, task: str) -> str: self.history.append({"role": "user", "content": task}) for i in range(self.max_iterations): # 思考: 获取带有工具选项的 LLM 响应 response = self.llm.chat( messages=self.history, tools=self._format_tools(), tool_choice="auto" ) # 决策: 检查智能体是否需要使用工具 if response.tool_calls: for tool_call in response.tool_calls: # 行动: 执行工具 result = self._execute_tool(tool_call) # 观察: 将结果添加到历史记录 self.history.append({ "role": "tool", "tool_call_id": tool_call.id, "content": str(result) }) else: # 无需更多工具调用