Agent Loop
从 QueryEngine、工具调用、工具结果回填到下一轮模型调用,理解 coding agent 为什么是执行循环,而不是一次问答。
本项目是非官方研究材料,不是 Anthropic 官方源码发布。文档中的判断来自公开 npm 包、source map 还原结果和本仓库已有分析,目的是帮助开发者理解 AI coding agent 的架构边界。
AI 编程工具正在从“编辑器里的聊天插件”走向“贴近仓库和终端的本地 Agent Runtime”。真正可用的 coding agent 需要能搜索文件、读写代码、执行命令、请求权限、流式展示多轮进度,并在上下文变长时压缩历史。
本仓库的独创价值,是把复杂的 source-map 还原结果整理成可学习的架构课程:tool loop、permission model、grep/file context、streaming multi-turn architecture 和 context compaction。