LoopAgent 概述

LoopAgent 是 GPTBots 平台的第三类智能体。与 Agent、FlowAgent 不同，它既不依赖固定的检索流程，也不需要人工绘制流程图，而是把「要做什么、按什么顺序做」交给模型在对话中自主决策：模型自己判断要不要查知识、查数据库、调工具、转人工，反复迭代，直到把任务完成。

它适合开放式、多步骤、重工具调用的客服与自动化场景。

三类智能体怎么选

三类智能体最根本的差别，在于「谁决定执行路径」：

一句话：Agent 和 FlowAgent 的路径是事先定好的，LoopAgent 的路径是模型当场决定的。

身份 + 能力 + 护栏

搭建 LoopAgent 不是「画流程」，而是给它三样东西，然后让模型自己走：

• 身份（身份提示）：告诉模型它是谁、服务什么业务、用什么口径和语言回答。
• 能力：挂上它能调用的知识库、工具 / MCP、工作流、数据表、技能、人工服务、采集表单等。挂了什么，模型才「有手」去做什么。
• 护栏（循环上限）：设定一轮对话最多循环多少次、连续出错多少次就停，避免模型无节制地跑下去。

LoopAgent 如何完成一轮对话

收到一条用户消息后，LoopAgent 内部会跑一个有上限的循环：思考 → 调用工具 → 观察结果 → 再思考……直到模型认为可以回答了（正常收尾），或撞到你设定的循环上限。

flowchart LR
    A[用户消息] --> B[思考]
    B --> C{需要调用工具?}
    C -->|是| D[调用工具]
    D --> E[观察结果]
    E --> B
    C -->|否| F[输出回复（结束）]

因为可以多轮调用工具，LoopAgent 的一条回复可能比普通 Agent 慢——它可能在后台查了几次知识、调了几个接口才回复，这是正常的，不代表卡死。

典型场景

• 需要边查资料、边调业务系统、边判断的复杂客服
• 需要多步骤、跨系统协作的自动化任务
• 需要收集信息、开工单、必要时转人工的售前 / 售后

模型建议

LoopAgent 由模型自主决策、多轮调用工具，消耗的积分通常比普通 Agent 更多，也更依赖能力更强的模型。模型越弱，越容易出现「该调工具时不调、循环绕圈、半途乱答」等问题。

• 一般场景：测试中使用 GPT-4.1 等上一代系列即可正常运行。
• 复杂业务场景：建议优先选用新一代、面向 Agent 训练的模型（如 GPT-5 系列、Claude 4 系列 等），工具调用与多步推理更稳定。

模型在「智能体大脑」面板选择，详见智能体大脑。

生命周期

flowchart LR
    A[创建] --> B[配置] --> C[调试] --> D[发布] --> E[服务]

• 创建：选择空白或模板创建，平台自动种一份可直接运行的默认配置。
• 配置：在设置页配置模型、身份提示、各项能力。
• 调试：用右侧调试聊天实时验证效果。
• 发布：把当前配置冻结成快照，正式上线。
• 服务：通过多渠道与 Open API 对外提供服务。

重要：在设置页「保存」只会更新调试版，只有「发布」才会影响线上。这是使用 LoopAgent 最需要先理解的一条规则，详见保存与发布。