本文阐述了构建AI代理的核心在于围绕LLM设计多层循环（loop），而非仅依赖模型本身。作者介绍了四种循环：1）基础代理循环，模型调用工具直至任务完成；2）验证循环，通过评分者（grader）检查输出质量并反馈重试；3）事件驱动循环，通过事件触发代理在后台持续运行；4）爬山循环，利用生产追踪数据自动优化代理配置。每个循环都有对应的LangChain原语实现，并强调人类监督在关键环节的价值。文章指出，通过堆叠这些循环，能将代理从简单的任务自动化提升为持续自我改进的系统，从而构建难以复制的竞争优势。
