核心指数 Agent Loop 5/5
Agent Loop 的关键是每一步都有状态和证据，不能只让模型连续思考。
每个当天会被提问或用于练习的术语，先给通俗释义，再给专业释义，避免题目超出当天知识点。
通俗释义：Agent 做事的循环：看见情况、决定下一步、执行动作、检查结果。
专业释义：Observe → Decide/Plan → Act → Verify 的闭环控制结构，依赖显式状态、工具反馈、终止条件和 trace。
当天检查：能说明 loop 继续、停止、失败转人工的条件。
参考脉络：DeepLearning.AI agent patterns / Anthropic workflows and agents
通俗释义：会推理不等于已验证；验证要靠证据、测试或工具。
专业释义：reasoning 产生假设和中间结论，verification 用外部状态、引用、程序测试、schema 校验或人审确认结论。
当天检查：能把一段回答标成事实、推断、待验证。
参考脉络：DeepLearning.AI reasoning patterns / OpenAI evals
通俗释义：把“概念定义”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：概念定义 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 概念定义，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“工程实现”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：工程实现 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 工程实现，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“失败模式”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：失败模式 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 失败模式，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“理解表达”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：理解表达 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 理解表达，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
Agent Loop 的关键是每一步都有状态和证据，不能只让模型连续思考。
它在 Agent Harness 中连接“目标/约束、上下文、工具、状态、验证、运营指标”这些层。学习时要问：这一层负责限制什么风险？它把哪类不确定性变成了可观察、可恢复、可评估的工程对象？
观察 → 决策 → 工具动作 → 外部验证 → 下一步/停止
今天围绕“Agent Loop：Observe → Decide → Act → Verify”建立一个可复用的工程判断：先能定义它解决什么问题，再能指出它在 Agent Harness 中位于哪一层，最后能用一个真实系统环节验证它是否有效。Agent Loop 的关键是每一步都有状态和证据，不能只让模型连续思考。 学习时不要只记名词，要把它和状态、工具、上下文、评估、成本或安全边界中的至少一项连接起来。
我能围绕 Agent Loop：Observe → Decide → Act → Verify 讲清楚工程目标、实现方式、指标和失败处理。
观察 → 决策 → 工具动作 → 外部验证 → 下一步/停止
把 AI Digest 生成过程拆成四段 loop。
完成标准：能说明 loop 何时继续、何时停止。
工具调用前定义权限和 schema，调用后验证副作用与证据。