Github 原文：shareAI-lab/learn-claude-code
Harness 层: 循环 — 模型与真实世界的第一道连接。
问题
你提出了一个问题给大模型：“帮我读取下我的目录下有哪些文件，并且执行XXX.py”。OK，模型能输出一条 bash 命令，但输出完了就停了，它不会自己跑，也不会看到结果后继续推理。
当然，你可以手动跑一遍，把输出粘贴回对话框，让它接着干。下一个命令出来，你再跑一遍、再贴回去，就像在 2023 年我们是用 chat gpt 写代码一样。
每一个来回，你都在做中间层，而把它自动化，就是这一章要做的事。
解决方案
图片中的工具也只有一个 Bash 工具作为示例。
本质上也就是一个 while True 循环，模型调用工具就继续，不调用就停。整个过程只有两个信号：
| 信号 | 含义 | 循环动作 |
|---|---|---|
stop_reason == "tool_use" | 模型举手说”我要用工具” | 执行 → 结果喂回去 → 继续 |
stop_reason != "tool_use" | 模型说”我做完了” | 退出循环 |
工作原理
📍 原文在这里开始利用 Python 代码来讲解原理，我这里为方便，不会使用代码，只介绍思路和逻辑，不说技术，如果你对技术感兴趣，可以查看：https://github.com/shareAI-lab/learn-claude-code/blob/main/s01_agent_loop/README.md#%E5%B7%A5%E4%BD%9C%E5%8E%9F%E7%90%86
其实这部分并不复杂，简单来说就是有一个循环，如果你稍微懂一点代码就知道就是个最基础的 if 循环。
条件判断的基准就是模型是否要求调用工具，如果要调用，那么就让模型去调用对应的工具，然后把调用工具后的结果输出后追加到用户的提问后，也就是回到最开始用户提问后交给 AI 的时候，但是这一次除了用户的问题，还多了上一次调用后 AI 调用工具后的结果，这时候再次执行之前的条件判断，如果模型认为不需要调用工具了，OK，循环结束，进入下一步骤或是直接输出。
如果文字还是不好理解，我这里用 AI 出了一个小漫画，你可以通过这种方式理解到底是怎么回事。
