Loop 本体就几行#

1
while True:
2
    模型输出 = call(model, 历史 + 工具定义)
3
    if 是文本: 回复用户，结束
4
    if 是工具调用: 校验参数 -> 调 TaskService -> 结果塞回历史，继续

create_task_tool.py 定义 schema，conversation.py 管历史，context_builder.py 组装上下文，tracing.py 记轨迹（M4.9 已做 Trace 持久化）。手写一遍才明白：Agent 所谓智能 = 循环 + 工具 + 状态，没有魔法。

Structured Output：先让模型说人话且格式对#

M2 用 DeepSeek Responses API 把“高优先级实现登录页”解析成 TaskDraft 结构。自然语言进、结构化出，这是所有 Tool Calling 的地基——模型输出先有 schema，才有资格进业务。

Eval ≠ 单元测试#

• 单元测试：断言确定（create 后 list 里必须有）
• 行为 Eval（task_agent_eval.py）：调真实 DeepSeek，看模型会不会调对工具、参数对不对，跑多次看稳定性

Eval 测的是概率性行为，要统计视角：10 次里对 9 次和对 5 次是两种系统。Prompt（prompts/task_agent.py）和 Eval Case 一起进 git，调参有 diff 可看。

先手写 Loop 再学框架：之后看 LangGraph 的节点/边/状态，会有“原来如此”感而不是“这啥啊”感。