反馈后再决策：观察通道与完成判据
开环生成：解码结束即停。单次工具调用：把返回值转述给用户即停。本条要求闭环：Action 的结果成为下一步的条件，直到目标谓词为真、失败，或人打断。
两层不要并成一层。
| 层 | 在系统内的位置 | 回答的问题 |
|---|---|---|
| 观察通道 | 宿主把 stdout、HTTP body、截屏、测试日志写入下一轮提示 | 模型是否根据真实世界改主意 |
| 完成判据 | 基准、CI、环境断言，独立于模型自述 | 整段轨迹是否交付 |
ReAct 的 Observation 是第一层。SWE-bench 一类是第二层。没有第一层，循环在自言自语；没有第二层，星标和 demo 会代替完成率。
通道先于仓库级尺子
CoT 无环境通道。ReAct 把检索片段、仿真器状态、页面文本标成 Observation，下一步 Thought 以它为条件。解析仍脆弱，环境是论文集，但闭环语义已经写全。PAL 的通道是解释器返回值。WebGPT / Sparrow 的通道是页面，谓词是「给出带引用的答案」。
HumanEval（2021）把执行引入评价：pass@k 看测试，不看流畅度。对象是函数，不是 issue。它给第四条提供「用副作用结果打分」的早期形态，覆盖面不够支撑编码 Agent 叙事。
2023：通道进入产品；仓库谓词打到接近零
Code Interpreter 消费真实执行：图、表、异常栈进入下一轮。任务偏分析，环境是单沙箱，不是任意 monorepo。
SWE-bench（2023-10）的谓词是：在真实 issue 对应的测试上通过。公开系统接近零分。AutoGPT 类在第一层上转，在第二层上失败。从此「会转」和「能交」分列。忽略第二层，传播指标会系统性高估。
2024–2025：尺子收紧，通道按模态分叉
原版 SWE-bench 含不可解与含混题。Verified（500 道经确认可解）成为默认集。与 2023 分数不可横比：分母变了。刷 Verified 也不等于生产交付——分布、污染、脚手架都不同。
OSWorld 的谓词在桌面状态。Computer Use 的观察是像素，错误是点错按钮。测试失败可局部重跑；GUI 副作用回滚成本高。两条通道的信噪比不可互换。厂家自报 OSWorld 截图分处于低区间，与编码线后来的 Verified 分数不在同一数量级。
Terminal-Bench 断言最终容器状态，针对 CLI 运行时。SWE-bench Pro 加长、抗污染。GPT-5 在 Verified 上厂商自报 74.9%，在 Pro 统一脚手架上约 23%。同一决策核心，谓词变硬，完成率塌缩。用单一榜读「已可无人值守」不成立。
编码运行时（Claude Code、云端 Codex）把第一层做成默认：跑测试、读失败、再 patch。计算机使用线的第一层（屏）已通，第二层分数仍低。Deep Research 的通道是检索文档，谓词是带引用的成稿，不是仓库绿。
2026：观察的可见性与轨迹成本
循环跨小时之后，观察还有消费者：同事、审计、调度器。Claude Tag 以线程为 session，旁观是产品能力，不是日志边车。Aries 把轨迹（推理、工具、沙箱、KV）当成计费与容量单位：回执膨胀工作集，存储和隔离成为约束。组织侧缺少等价于 SWE-bench 的「频道任务」谓词——系统闭环了，治理闭环还没有。
四条同时接通的节点
按要素拆，是为了避免把发布会写成诞生。可核对的重合如下。
2022-10 协议层重合。 ReAct 在文本协议里同时写出核心、循环、动作、观察。执行靠解析，环境是基准，无产品级沙箱，无仓库谓词。同年 ChatGPT 只接通核心与对话，按定义排除。
2023 形态重合，谓词失败。 AutoGPT 接通四条；SWE-bench 显示完成率不可用。Function Calling 稳定动作解析，Code Interpreter 把执行观察引进消费级沙箱。路径存在，交付不存在。
2024 出现可引用谓词，以及两类环境。 长窗口 / 视觉加强核心；ACI 与 Computer Use 给出专用动作集；Verified / OSWorld 给出尺子。Devin、SWE-agent 四条成立；全量复现与子集营销必须分开记。MCP 当年只接通工具总线，不接通循环。
2025 编码运行时把最小循环做成日用原语。 读树、改文件、跑测试、再决策，弱自主（人可打断）仍满足定义。检索型、浏览器型产品同年接通四条，第二层弱于编码。框架（自建循环）和运行时（内置循环）在这一年必须分列，否则会把 LangChain 和 Claude Code 写成同类。
2026 个体任务上四条是默认配置；延伸发生在主体与供给。 Cowork / Tag / OpenClaw 换环境，不换最小循环。身份、bundle、沙箱调度是第三、四条在组织尺度的约束：以谁的名义产生副作用，谁消费观察。不是第五要素。
核心（2022 对话接口之后可分发）、循环（协议 2022-10，运行时 2025）、动作（schema 2023，总线与 GUI 2024–2025）、观察（协议内 2022-10，仓库谓词 2023-10）不同步。AI Agent 是四条在同一软件系统中同时为真的配置，不是其中一条的发布日期。年份表与原文见时间线。