knowledge-base/wiki/concepts/agents/agent-loops.md
Hector 2025f0babb ingest(xpost): healthranger-kimi-k3-anthropic-panic
- raw: raw/xpost/2026-07-18_healthranger-kimi-k3-anthropic-panic.md
- wiki: concepts/llm/kimi-k3.md (new concept page)
- wiki: institutions/moonshot-ai.md (updated with Kimi K3 section)
- wiki: index.md (77. update, new LLM entry + raw source)
- wiki: log.md (ingest entry)
- fix: broken links in agent-loops.md + graph-based-agents.md

Kernaussagen: ~8x cheaper than Claude, open source July 27,
safeguard controversy (curcumin/cyclospora block vs. free answer),
AI bubble thesis from HealthRanger (Mike Adams).
2026-07-18 12:37:52 +02:00

80 lines
3.5 KiB
Markdown

---
created: 2026-07-18
updated: 2026-07-18
sources:
- xpost/2026-07-18_steipete-loops-vs-graphs.md
tags: [concept, agents, loops, react, loop-engineering, orchestration, agent-architecture]
people: [peter-steinberger]
---
# Agent Loops (Loop Engineering)
> *"You shouldn't be prompting coding agents anymore. You should be designing loops that prompt your agents."*
> — @steipete
## Definition
Das **ReAct-Pattern** (Reason + Act) ist die fundamentale Agentenschleife: Ein Agent erhält einen Prompt, führt einen Tool-Call aus, bewertet das Ergebnis, trifft eine Entscheidung und wiederholt den Zyklus. Diese einfache `while-true`-Schleife ist der Ausgangspunkt der meisten Agent-Architekturen.
```
[Prompt] → [Reason] → [Act (Tool-Call)] → [Observe Result] → [Decide] → [Loop or Done]
```
## Peter Steinbergers "Loop Engineering"
Peter Steinberger (@steipete) hat das Loop-Konzept systematisiert und professionalisiert. Statt einer einfachen while-true-Schleife propagiert er **explizite, verschachtelte Loops** mit klaren Verantwortlichkeiten:
### 1. Agent-Loop (Write → Test → Verify → Retry)
Der primäre Arbeitszyklus eines Coding-Agenten:
- **Write:** Code generieren
- **Test:** Ausführen und Ergebnis prüfen
- **Verify:** Qualität und Korrektheit validieren
- **Retry:** Bei Fehlern iterieren
### 2. Verifier-Loop (Self-Correction)
Ein separater Loop, der die Arbeit des Agent-Loops überwacht:
- Prüft die eigene Arbeit kritisch
- Zwingt zu Retries, wenn Qualitätsstandards nicht erreicht werden
- Bricht bei wiederholtem Scheitern ab (Fail-Fast)
### 3. Meta-Loop (Continuous Improvement)
Ein Loop, der den Agenten selbst verbessert — auch während der Entwickler schläft:
- Analysiert Fehlermuster über mehrere Sessions
- Passt Prompts und Konfiguration an
- Baut eine Wissensbasis aus erfolgreichen und fehlgeschlagenen Iterationen auf
```
[Meta-Loop] ──→ [Agent-Loop: Write → Test → Verify → Retry]
↑ ↓ (bei Fehlern)
└────────── [Verifier-Loop: Prüft → Zwingt Retry → Fail-Fast]
```
## Vorteile von Loops
- **Einfach:** Leicht zu verstehen und zu implementieren
- **Verständlich:** Der Kontrollfluss ist linear und nachvollziehbar
- **Flexibel:** Kann für jede Aufgabe angepasst werden
- **Keine Abhängigkeiten:** Funktioniert ohne spezielle Frameworks
- **Debugging-freundlich:** Jeder Loop-Schritt ist isoliert testbar
## Nachteile von Loops
- **State-Management:** Muss selbst gebaut werden — kein eingebauter Persistenz-Mechanismus
- **Persistenz:** Bei Unterbrechung geht der Loop-Status verloren (kein Checkpointing)
- **Debugging:** Kein visuelles Tracing — Log-Analyse ist die einzige Debugging-Methode
- **Human-in-the-Loop:** Muss selbst implementiert werden (keine nativen Approval-Gates)
- **Parallelität:** Schwierig zu parallelisieren — Loops sind inhärent sequentiell
- **Skalierung:** Bei komplexen Workflows werden Loops schnell unübersichtlich (Spaghetti-Loops)
## Verwandte Konzepte
- **ReAct-Pattern** — Das fundamentale Reason+Act-Pattern
- [[graph-based-agents.md]] — Graph-basierte Alternative (LangGraph)
- **Tool-Use** — Tool-Call-Mechanismen in Agenten
- [[../../architecture/agent-orchestration.md]] — Übergeordnete Orchestrierungs-Patterns
## Quellen
- @steipete: "Are we still talking loops or did we shift to graphs yet?" — https://x.com/steipete/status/2078277297791189132
- ReAct-Pattern: https://react-lm.github.io/
- LangGraph Overview: https://docs.langchain.com/oss/python/langgraph/overview