🧠 图解记忆：Chain vs Loop 对比；点击图片可查看原图。
💡 答案要点
Chain vs Loop 对比：
Chain（传统 LLM 应用）：
Input → Step A → Step B → Step C → Output
↑
任何一步错 → 整体失败
Loop（Agent 架构）：
┌─────────────────────────────────────┐
│ Goal（目标） │
│ ↓ │
│ Plan（规划） │
│ ↓ │
│ Act（执行） │
│ ↓ │
│ Observe（观察） │
│ ↓ │
│ Reflect（反思） │
│ ↓ ↓ │
│ 达标✓ 未达标→ Re-plan ──────┘为什么 Loop 更适合复杂任务？
| 维度 | Chain | Loop |
|---|---|---|
| 容错性 | 脆弱：中间一步错全盘皆输 | 鲁棒：反思机制自我恢复 |
| 计算成本 | 低且可预测 | 高（取决于收敛轮数） |
| 适用场景 | 翻译、摘要、简单问答 | 代码生成、复杂推理、自主决策 |
面试话术：
"从 Chain 到 Loop 是从线性执行到递归闭环的升级。Chain 容错性差，Agent 任何一步幻觉都会导致最终结果错误。Loop 引入了反思——生成代码后先自我 Review，不达标就打回重做。这种'生成-评估-修正'循环是用延迟换质量，对生产级 AI 应用至关重要。"