LoopAgent 概述

LoopAgent 是 GPTBots 平台的第三類智慧體。與 Agent、FlowAgent 不同，它既不依賴固定的檢索流程，也不需要人工繪製流程圖，而是把「要做什麼、按什麼順序做」交給模型在對話中自主決策：模型自己判斷要不要查知識、查資料庫、呼叫工具、轉接真人客服，反覆迭代，直到把任務完成。

它適合開放式、多步驟、重工具呼叫的客服與自動化場景。

三類智慧體怎麼選

三類智慧體最根本的差別，在於「誰決定執行路徑」：

類型	執行方式	路徑由誰決定	適合場景
Agent	基本單輪：檢索知識 → 一次生成回答	平台固定（檢索 → 答）	直接的 FAQ / 知識問答，快而穩
FlowAgent	確定性流程圖，按連線走節點	搭建者設計（不跳出圖）	可複用、可預期的固定業務流程
LoopAgent	多輪工具循環：模型自行判斷呼叫哪些能力，迭代到完成	模型執行時自選（每條訊息即時決定）	開放式、多步、重工具的客服 / 自動化

一句話：Agent 和 FlowAgent 的路徑是事先定好的，LoopAgent 的路徑是模型當場決定的。

身分 + 能力 + 護欄

搭建 LoopAgent 不是「畫流程」，而是給它三樣東西，然後讓模型自己走：

身分（身分提示）：告訴模型它是誰、服務什麼業務、用什麼口徑和語言回答。
能力：掛上它能呼叫的知識庫、工具 / MCP、工作流程、資料表、技能、人工服務、採集表單等。掛了什麼，模型才「有手」去做什麼。
護欄（循環上限）：設定一輪對話最多循環多少次、連續出錯多少次就停，避免模型無節制地跑下去。

LoopAgent 如何完成一輪對話

收到一條使用者訊息後，LoopAgent 內部會跑一個有上限的循環：思考 → 呼叫工具 → 觀察結果 → 再思考……直到模型認為可以回答了（正常收尾），或撞到你設定的循環上限。

flowchart LR
    A[使用者訊息] --> B[思考]
    B --> C{需要呼叫工具?}
    C -->|是| D[呼叫工具]
    D --> E[觀察結果]
    E --> B
    C -->|否| F[輸出回覆（結束）]

因為可以多輪呼叫工具，LoopAgent 的一條回覆可能比普通 Agent 慢——它可能在後台查了幾次知識、呼叫了幾個介面才回覆，這是正常的，不代表卡死。

典型場景

需要邊查資料、邊呼叫業務系統、邊判斷的複雜客服
需要多步驟、跨系統協作的自動化任務
需要收集資訊、開工單、必要時轉接真人客服的售前 / 售後

模型建議

LoopAgent 由模型自主決策、多輪呼叫工具，消耗的積分通常比普通 Agent 更多，也更依賴能力更強的模型。模型越弱，越容易出現「該呼叫工具時不呼叫、循環繞圈、半途亂答」等問題。

一般場景：測試中使用 GPT-4.1 等上一代系列即可正常執行。
複雜業務場景：建議優先選用新一代、面向 Agent 訓練的模型（如 GPT-5 系列、Claude 4 系列 等），工具呼叫與多步推理更穩定。

模型在「智慧體大腦」面板選擇，詳見智慧體大腦。

生命週期

flowchart LR
    A[建立] --> B[配置] --> C[偵錯] --> D[發布] --> E[服務]

建立：選擇空白或範本建立，平台自動種一份可直接執行的預設配置。
配置：在設定頁配置模型、身分提示、各項能力。
偵錯：用右側偵錯聊天即時驗證效果。
發布：把當前配置凍結成快照，正式上線。
服務：透過多渠道與 Open API 對外提供服務。

重要：在設定頁「儲存」只會更新偵錯版，只有「發布」才會影響線上。這是使用 LoopAgent 最需要先理解的一條規則，詳見儲存與發布。