关键观点
智能体的核心是目标驱动的工具循环演讲采用 Simon 的定义：智能体让大语言模型反复调用工具，直到达成目标。这个定义把智能体与普通问答区分开来，因为执行过程可能包含推理、函数调用、环境返回和多轮修正。演讲中的三个实现虽然抽象层级不同，但都在完成同一套 PR 审查任务。变化的不是目标，而是由谁负责执行循环和管理环境。
演讲采用 Simon 的定义：智能体让大语言模型反复调用工具，直到达成目标。这个定义把智能体与普通问答区分开来，因为执行过程可能包含推理、函数调用、环境返回和多轮修正。演讲中的三个实现虽然抽象层级不同，但都在完成同一套 PR 审查任务。变化的不是目标，而是由谁负责执行循环和管理环境。
为什么重要: 明确这个最小定义，有助于区分真正必要的能力与可以交给平台或模型处理的编排代码。
支撑证据
An LLM agent runs tools uh in a loop until it achieves a goal.
Steps 模型比传统对话角色更适合智能体传统聊天通常由用户输入和模型输出交替组成，但智能体还包含推理、函数调用和函数结果等异构事件。Interactions API 因此使用扁平的步骤时间线，而不是把环境返回勉强塞进 user 或 model 角色。每个步骤都可以表达其真实类型，使执行轨迹更贴近智能体实际行为。这是从聊天接口向智能体原生接口的结构性变化。