A practical guide to building AI agents 作者/机构：OpenAI 年份：2025 URL：https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/ 角度：run loop、exit condition、handoff、guardrails 采用原因：适合支撑“Agent loop 是生产级系统设计对象，而不是 prompt 风格问题”。
Agents 作者/机构：OpenAI 年份：2026 URL：https://developers.openai.com/api/docs/guides/agents 角度：logic nodes、route to other agents、guardrails、trace grading 采用原因：适合支撑“官方已把决策循环拆成可组合的控制节点与运行模式”。
New tools for building agents 作者/机构：OpenAI 年份：2025 URL：https://openai.com/index/new-tools-for-building-agents/ 角度：Responses API、tools、Agents SDK、tracing 采用原因：适合支撑“循环设计离不开工具、运行时和 tracing 共同构成的闭环”。
Handling Function Calls with Reasoning Models 作者/机构：OpenAI Cookbook 年份：2025 URL：https://cookbook.openai.com/examples/reasoning_function_calls 角度：reasoning loop、function call、结果回注、终止条件 采用原因：适合支撑“边想边做”的标准最小循环结构。
Build a coding agent with GPT 5.1 作者/机构：OpenAI Cookbook 年份：2025 URL：https://cookbook.openai.com/examples/build_a_coding_agent_with_gpt-5.1 角度：shell execution、审批、超时、verify-and-repeat 采用原因：适合支撑“代码编排型循环必须显式处理验证、重试与时间控制”。
Building effective agents 作者/机构：Anthropic 年份：2024 URL：https://www.anthropic.com/engineering/building-effective-agents 角度：workflow vs agent、prompt chaining、routing、parallelization、orchestrator-workers 采用原因：适合支撑“循环模式不是单一范式，而是要按任务结构选择工作流形态”。
Building agents with the Claude Agent SDK 作者/机构：Anthropic 年份：2025 URL：https://www.anthropic.com/engineering/building-agents-with-the-claude-agent-sdk 角度：agent loop、tool calling、verify work、repeat 采用原因：适合支撑“代码与工具型 Agent 的核心是执行-验证-再执行的循环”。
Effective context engineering for AI agents 作者/机构：Anthropic 年份：2025 URL：https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents 角度：context rot、状态压缩、长循环质量维护 采用原因：适合支撑“循环一长，必须管理上下文质量，否则决策会漂移”。
Choose a design pattern for your agentic AI system 作者/机构：Google Cloud 年份：2025 URL：https://cloud.google.com/architecture/choose-design-pattern-agentic-ai-system 角度：sequential、parallel、loop、review、coordinator、human-in-the-loop 采用原因：适合支撑“不同 loop pattern 是问题结构与风险结构的匹配关系”。
Choose your agentic AI architecture components 作者/机构：Google Cloud 年份：2025 URL：https://cloud.google.com/architecture/choose-agentic-ai-architecture-components 角度：state、memory、sandbox、observability、workflow components 采用原因：适合支撑“循环从来不是孤立的，它依赖状态、权限、观测等系统组件”。
Microsoft Agent Framework Workflows - Checkpoints 作者/机构：Microsoft Agent Framework 年份：2026 URL：https://learn.microsoft.com/en-us/agent-framework/workflows/checkpoints 角度：superstep、checkpoint、resume 采用原因：适合支撑“决策循环必须可暂停、可恢复、可重放”。
Microsoft Agent Framework Workflows Orchestrations - Handoff 作者/机构：Microsoft Agent Framework 年份：2026 URL：https://learn.microsoft.com/en-us/agent-framework/workflows/orchestrations/handoff 角度：orchestration、上下文同步、审批后恢复 采用原因：适合支撑“循环不仅在单 Agent 内，也可跨 Agent 交接继续推进”。
React: Synergizing Reasoning and Acting in Language Models 作者/机构：Shunyu Yao 等 年份：2022 URL：https://openreview.net/forum?id=tvI4u1ylcqs 角度：reasoning-action-observation loop 采用原因：适合支撑“边想边做”是 LLM Agent 决策循环的代表范式。
Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models 作者/机构：Lei Wang 等 年份：2023 URL：https://aclanthology.org/2023.acl-long.147/ 角度：先规划再求解、两阶段控制 采用原因：适合支撑“先规划后执行”的核心思想不只是工程直觉，也有方法论文支持。
Tree of Thoughts: Deliberate Problem Solving with Large Language Models 作者/机构：Shunyu Yao 等 年份：2023 URL：https://openreview.net/forum?id=5Xc1ecxO1h 角度：搜索式决策、多分支推理、评估与回溯 采用原因：适合支撑“循环不一定是单线推进，也可以在分支搜索中反复评估和选择”。
Language Agent Tree Search 作者/机构：Xingyao Wang 等 年份：2024 URL：https://proceedings.mlr.press/v235/wang24ct.html 角度：tree search、环境反馈、value-guided rollout 采用原因：适合支撑“规划与执行可以在统一搜索循环中融合，而不是严格两阶段分离”。
Reflexion: Language Agents with Verbal Reinforcement Learning 作者/机构：Noah Shinn 等 年份：2023 URL：https://proceedings.neurips.cc/paper_files/paper/2023/hash/1b44b878bb782e6954cd888628510e90-Abstract-Conference.html 角度：反思循环、verbal reinforcement、失败经验回流 采用原因：适合支撑“执行中反思”是循环层面的能力，不只是事后总结。
Self-Refine: Iterative Refinement with Self-Feedback 作者/机构：Aman Madaan 等 年份：2023 URL：https://openreview.net/forum?id=S37hOerQLB 角度：自反馈、迭代修正 采用原因：适合支撑“反思循环可以在无外部标注条件下提升多轮改进质量”。
Voyager: An Open-Ended Embodied Agent with Large Language Models 作者/机构：Guanzhi Wang 等 年份：2023 URL：https://openreview.net/forum?id=nfx5IutEed 角度：自动课程、技能库、环境交互、执行-验证迭代 采用原因：适合支撑“长时任务需要循环式探索、验证和技能积累”。
SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering 作者/机构：John Yang 等 年份：2024 URL：https://openreview.net/forum?id=mXpq6ut8J3 角度：ACI、代码编辑-测试-修正循环 采用原因：适合支撑“代码 Agent 的核心不是静态计划，而是可执行反馈循环”。
Demystifying evals for AI agents 作者/机构：Anthropic 年份：2026 URL：https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents 角度：trajectory eval、production monitoring、人工审查 采用原因：适合支撑“循环质量必须通过轨迹评测而不只是最终结果评测”。
Trace grading 作者/机构：OpenAI 年份：2026 URL：https://platform.openai.com/docs/guides/trace-grading 角度：trace、multi-step grading、trajectory analysis 采用原因：适合支撑“决策循环必须可被逐步打分与定位故障点”。
Improve agent quality with Insights Agent and Multi-turn Evals, now in LangSmith 作者/机构：LangChain 年份：2025 URL：https://blog.langchain.com/improve-agent-quality-with-insights-agent-and-multi-turn-evals-now-in-langsmith/ 角度：multi-turn eval、thread-level 分析 采用原因：适合支撑“长循环问题需要在线程级、多轮级别评测”。
WebArena 作者/机构：Shuyan Zhou 等 年份：2024 URL：https://arxiv.org/abs/2307.13854 角度：真实网页环境、长程任务、执行成功率 采用原因：适合支撑“循环设计一旦进入真实环境，其成败要看整条执行轨迹”。
ToolSandbox 作者/机构：Jiarui Lu 等 年份：2025 URL：https://aclanthology.org/2025.findings-naacl.65/ 角度：stateful conversational evaluation、milestone tracking 采用原因：适合支撑“循环评测要覆盖状态化工具轨迹，而不是只看最后是否答对”。
Operator System Card 作者/机构：OpenAI 年份：2025 URL：https://openai.com/index/operator-system-card/ 角度：runaway loops、确认、监督与中止 采用原因：适合支撑“循环必须有停止条件和人工介入，否则会把错误自动放大”。
附录 G：分章资料清单