Persistent Agent Loop

Eine dauerhafte Agentenschleife endet nicht mit der Aufgabe, sondern läuft weiter oder startet in festen Abständen neu. Sie prüft, ob es etwas zu tun gibt, arbeitet den nächsten Punkt ab und wartet wieder. Typische Auslöser sind ein Zeitplan, ein neuer Eintrag in einer Aufgabenliste oder ein Ereignis aus der Entwicklungsumgebung. TrueFoundry

Der Zustand muss außerhalb des Modells liegen

Ein Kontextfenster überlebt keinen Neustart. Was zwischen zwei Durchläufen erhalten bleiben soll, gehört deshalb in Dateien, Tickets oder eine Datenbank: die Aufgabenliste, der Stand der Bearbeitung, bereits verworfene Ansätze. AGENTS.md Der Agent liest diesen Stand zu Beginn jedes Durchlaufs neu.

Genau darin liegt auch der Vorteil gegenüber einer sehr langen Sitzung. Ein frischer Durchlauf beginnt mit sauberem Kontext, statt einen Verlauf mitzuschleppen, in dem widersprüchliche Zwischenstände liegen.

So kannst du dir das vorstellen

Ein Hausmeister, der jeden Morgen seine Liste durchgeht, einen Punkt erledigt und den Stand notiert. Sein Gedächtnis ist die Liste, nicht der gestrige Tag. Das Bild erklärt die Rolle des äußeren Zustands, es beschreibt keine konkrete Umsetzung.

Was es in der Praxis konkret bedeutet

Für dauerhaft laufende Schleifen brauchst du dieselben Vorkehrungen wie für jeden anderen Dienst im Betrieb: eine Überwachung, die merkt, wenn nichts mehr passiert, eine Kostenbegrenzung, und eine Möglichkeit, sauber anzuhalten. Dazu kommt eine Besonderheit: Ein Agent, der sich festfährt, wiederholt denselben Fehlversuch endlos. Eine Erkennung gleicher Ergebnisse in Folge spart hier bares Geld.

Wo es verwechselt wird

Dauerhaft heißt nicht, dass eine Sitzung offen bleibt. Üblich sind kurze Durchläufe mit äußerem Gedächtnis. Und die Schleife ist kein Lernvorgang: Das Modell wird dabei nicht besser, nur der festgehaltene Stand wächst.

Verwandte Begriffe

Loop Engineering, Ralph, Agent Loop, File-Based Memory, Stall Detection, Structured Note-Taking.