INNER 06 / AGENT / 01 · ENGINE v1

Agent 核心循环与框架选型(Lessons 01‒03: Intro, Frameworks & Patterns)

先把 Agent 的循环、触发条件和熔断规则写完整。

约 4 分钟·免费阅读·整理自 AI 现代必修课 · 内功06·来源精读 ↓·直接做题 ↓

30 SECONDS / 30 秒看懂

这一关只解决一件事：在 Microsoft AI Agents for Beginners 第 1‒3 课与 Agentic AI Masterclass Exercise 1 中,智能体与普通大模型调用的本质区别在于 ReAct(Reasoning + Acting)循环:模型接收用戶目标后,进入“思考 (Thought)→ 决定调用工具(Action)→ 获取环境反馈(Observation)→ 再次思考”的循环,直至满足终止条件。在工程实现上,无论是使用 Pydantic AI、LangGraph、CrewAI 还是 OpenAI Agents SDK(详见 ed-donner/agents),都必须明确定义四个核心组件:Model(底层推理模型)、Instructions(系统级行为准则)、Tools(可执行外部函数集)与 Loop Guard(最大循环步数限制,防死循环烧钱)。

明确写出 Agent 的四步 ReAct 推理轨迹模板:Thought → Action → Observation → Final Decision (
5 分);
定义清晰的触发条件(差价 ≥ 200 元且扣除改签手续费后净省 > 0 元);

3 MINUTES / 3 分钟拆解

先看来源里的例子：PDF 本关任务（来源）

输入

你需要参照 Agentic AI Masterclass 的编码范式,为一个“自动查询航班实时价格并在低于历史购票价 200 元以上时生成改签方案”的智能体编写系统指令与循环终止条件。 待改造劣质设计:“你是一个机票助手,帮我查一下用戶买的航班现在多少钱,如果便宜了就帮他改签。”

发生了什么

来源要求：明确写出 Agent 的四步 ReAct 推理轨迹模板:Thought → Action → Observation → Final Decision ( / 5 分); / 定义清晰的触发条件(差价 ≥ 200 元且扣除改签手续费后净省 > 0 元);

输出

参考答案：参考答案与工程解析(Answer Key) 以下提供全套 8 大关卡的工业级参考架构、系统提示词与 JSON/Python 标准模板,可直接用于你的 Agent 开发项目或作为数字产品交付给客戶。第 1 关参考答案:机票差价监控 Agent 的 ReAct 循环与熔断规范【System Instructions: Flight Rebooking Agent】你是一个严谨的机票差价监控与改签评估智能体。请严格按照以下 ReAct

术语拆开

ReAct: 推理与行动交替的 Agent 循环。
Observation: 工具执行后返回的真实结果。

为什么有效

来源核心原理：在 Microsoft AI Agents for Beginners 第 1‒3 课与 Agentic AI Masterclass Exercise 1 中,智能体与普通大模型调用的本质区别在于 ReAct(Reasoning + Acting)循环:模型接收用戶目标后,进入“思考 (Thought)→ 决定调用工具(Action)→ 获取环境反馈(Observation)→ 再次思考”的循环,直至满足终止条件。在工程实现上,无论是使用 Pydantic AI、LangGraph、CrewAI 还是 OpenAI Agents SDK(详见 ed-donner/agents),都必须明确定义四个核心组件:Model(底层推理模型)、Instructions(系统级行为准则)、Tools(可执行外部函数集)与 Loop Guard(最大循环步数限制,防死循环烧钱)。踩坑设计 vs. 工业级设计对比: 新手踩坑设计:把所有业务逻辑硬塞进一个超长 Prompt,既不限制最大迭代步数(max_steps),也不区分状态变量,一旦外部 API 报错,Agent 就陷入无限重试死循环,几分钟耗尽 API 额度。工业级结构化设计:显式声明智能体状态机,设置 max_iterations = 5,并严格规范每一步的 Thought / Action / Observation 输出格式。

结构长什么样

明确写出 Agent 的四步 ReAct 推理轨迹模板:Thought → Action → Observation → Final Decision (
5 分);
定义清晰的触发条件(差价 ≥ 200 元且扣除改签手续费后净省 > 0 元);
设置防死循环与异常熔断规则(如查询接口连续失败 2 次或总步数达 4 步立即停止并告警)。

为什么 Agent 必须设置停止条件？

SOURCE READING / 来源精读

在 Microsoft AI Agents for Beginners 第 1‒3 课与 Agentic AI Masterclass Exercise 1 中,智能体与普通大模型调用的本质区别在于 ReAct(Reasoning + Acting)循环:模型接收用戶目标后,进入“思考 (Thought)→ 决定调用工具(Action)→ 获取环境反馈(Observation)→ 再次思考”的循环,直至满足终止条件。在工程实现上,无论是使用 Pydantic AI、LangGraph、CrewAI 还是 OpenAI Agents SDK(详见 ed-donner/agents),都必须明确定义四个核心组件:Model(底层推理模型)、Instructions(系统级行为准则)、Tools(可执行外部函数集)与 Loop Guard(最大循环步数限制,防死循环烧钱)。

逐点读懂

明确写出 Agent 的四步 ReAct 推理轨迹模板:Thought → Action → Observation → Final Decision (
5 分);
定义清晰的触发条件(差价 ≥ 200 元且扣除改签手续费后净省 > 0 元);

怎么对应本关练习

先读 30 秒与 3 分钟拆解，再读本关原文与实验，最后做客观题和实操题；答案在下方。

例子在哪

本关任务与参考答案见页面下方；来源为本册 PDF 对应关卡。

本关先记住：明确写出 Agent 的四步 ReAct 推理轨迹模板:Thought → Action → Observation → Final Decision (

SOURCESMicrosoft · Lesson 1 Intro to AI Agents ↗PDF 第 1 关

核心原理

在工程实现上,无论是使用 Pydantic AI、LangGraph、CrewAI 还是 OpenAI Agents SDK(详见 ed-donner/agents),都必须明确定义四个核心组件:Model(底层推理模型)、Instructions(系统级行为准则)、Tools(可执行外部函数集)与 Loop Guard(最大循环步数限制,防死循环烧钱)。

踩坑设计 vs. 工业级设计对比: 新手踩坑设计:把所有业务逻辑硬塞进一个超长 Prompt,既不限制最大迭代步数(max_steps),也不区分状态变量,一旦外部 API 报错,Agent 就陷入无限重试死循环,几分钟耗尽 API 额度。

工业级结构化设计:显式声明智能体状态机,设置 max_iterations = 5,并严格规范每一步的 Thought / Action / Observation 输出格式。

第 1 关实操练习题：设计“电商机票差价监控与改签助手”的 ReAct 核心循环

任务背景

你需要参照 Agentic AI Masterclass 的编码范式,为一个“自动查询航班实时价格并在低于历史购票价 200 元以上时生成改签方案”的智能体编写系统指令与循环终止条件。待改造劣质设计:“你是一个机票助手,帮我查一下用戶买的航班现在多少钱,如果便宜了就帮他改签。”

通关硬性要求（满分 12.5 分）

1. 明确写出 Agent 的四步 ReAct 推理轨迹模板:Thought → Action → Observation → Final Decision (

4.5 分);

2. 定义清晰的触发条件(差价 ≥ 200 元且扣除改签手续费后净省 > 0 元)(4 分);

3. 设置防死循环与异常熔断规则(如查询接口连续失败 2 次或总步数达 4 步立即停止并告警)(4 分)。

PRACTICE / 本关练习 · 本地规则 + 覆盖检查

设计“电商机票差价监控与改签助手”的 ReAct 核心循环

本地检查在你的浏览器里完成，不上传。覆盖检查需要先登录（免费注册），并把这段答案发送到服务器计算一次，算完即弃、不存档，需你点同意；只核对本关评分项覆盖的方向，不在评分项里的题目不会被检查。

我的答案

0 字未保存

评分项

评分项加载中…

结构分 — / 12.5 分

标记本关完成

查看参考答案与得分点先自己写，再打开＋

参考答案与得分要点

参考答案:机票差价监控 Agent 的 ReAct 循环与熔断规范

【System Instructions: Flight Rebooking Agent】

你是一个严谨的机票差价监控与改签评估智能体。请严格按照以下 ReAct 循环处理用戶订单,最大循环步数限制为 max_steps = 4: 每一步推理必须严格输出以下结构: - Thought: 分析当前已知的订单原价、退改签政策与还需获取的实时数据。 - Action: 调用指定工具(如 get_Order_Info 或 fetch_Live_Flight_Price)。 - Observation: 接收工具返回的真实 JSON 数据。

【业务判定与熔断规则】

1. 净收益计算公式:净节省金额 = (历史出票价 - 当前实时票价) - 改签手续费。

2. 触发改签方案条件:必须同时满足 (历史出票价 - 当前实时票价) >= 200 元,且净节省金额 > 0 元。若不

满足,立即进入 Final Decision 输出“暂不建议改签”及原因。

3. 异常熔断机制:若外部航班价格接口返回超时或 5xx 错误,最多允许重试 1 次(累计失败达 2 次立即终止

循环),严禁盲目重复调用或编造票价,直接输出接口异常告警。得分要点拆解:清晰定义四步 ReAct 循环与步数上限(4.5 分);准确列出差价 ≥ 200 元且扣费后净省 > 0 的双重算式(4 分);包含连续失败 2 次即熔断告警的防死循环机制(4 分)。第 2 关

网页永久免费。完整 PDF 会按顺序发给留邮箱的读者，不转售、不群发广告。

留邮箱，获取完整 PDF ↗

上一关流式交互应用与 RAG 黄金评估体系下一关工具调用设计模式