Agent 说「做完了」真的可信吗？
Peter，也就是 OpenClaw 作者，前两天在推特上发了一个帖子，热度拉满：
大量使用 Codex 和 Claude Code 的 Goal 循环、踩过 N 次坑后，我只好摸索下一代 Agent 循环框架。
Flow 从开发之初便前瞻性使用图结构设计。显著避免了前者开放循环的问题：模型自己决定下一步做什么，什么时候算完成，在复杂任务中非常容易翻车。
很多人都有用过 Agent 来做项目。简单任务下使用 Goal 循环，没感到不妥；但当涉及到大型代码库或复杂任务时便会有所体会。
比如：你说了你想做的，模型就开始吭哧吭哧干，模型不会逼问你，但模型也没有真正 Get 到你的期望，就根据权重中的相似想法，猜测着干。
最终效果令人失望：要么模型说做完了，实际上功能并未完整实现，或是质量差。又比如使用了 Codex 或 Claude Code 自带的 review 功能，但效果参差不齐。
这实际上是有几个原因的。
一：你跟模型之间的思路其实没有完全对齐，但由于厂商想让 Agent 看起来更加智能、能够从头到尾做完一个很长的任务，harness 会要求它们更加笃定的端到端执行（详见 Codex 系统提示词），所以可能会忽视与你的对齐——除非你激活了对应的 skills，或者是主动打开 plan 模式（这是一个好习惯）。
二：普通 Coding Agent 的 review 在设计上有一定局限性：有的 review 是同一个模型自己裁决，失去了公正性；要么就是他们只遵循 Git diff，而不是本次会话修改的内容，可能导致开发习惯不好的用户（比如我） review 到了其他并行的开发或者是之前的改动。
三：review 由于不是使用多模型对抗性审查，且上下文并未分离，导致 review 最终的审查不够严格，客观，全面。
Flow 在这做了很多精细的设计。其中一些细节包括：
- 通过仔细设计的拷问提示词，确保用户与 AI 意图的真正对齐。
- 优化了上下文的提取，将用户意图、近期对话、工具结果、修改过的文件作为参考资料，但明确说明这是用户与执行模型的对话，保持客观严谨；审查模型会客观地进行只读审查和运行测试。
- 审查如果被否决、执行模型继续完成时，当次数达到任何双数轮时，都会有更强大的顾问模型介入来调整方向，防止死循环。
- 结合了 Prewalk 的思想：你只需要在最开始用强大的顾问模型进行计划设计，顾问模型的思考精髓会注入到之后的执行模型中，省去了非常多的探索步骤，并极高地提升了执行模型的智力——因为强大模型的思路已经印在了他们的脑海中，他们不再容易自己乱探索和发挥，而是循优质的思路继续往下走。此方案优势在来源文章中有具体的体现，来源：stencil.so/blog/prewalk
- Flow 在可视化上也做了努力。当 Flow 生成计划后，通过模板生成清晰的网页报告，你不再需要盯着密麻的终端，只需网页就能看到执行的情况；而且你可以在你的局域网或是 Tailscale 中，通过手机或任意设备来随时查看 Flow 的工作情况。且在以后能作为留档的依据。
现在你随时可以使用 Flow，只需要在安装了 Pi 的机器中用一行 npm 命令安装，配置好角色的模型后，使用 /flow 直接开始。
我个人最爱的搭配是： 顾问：Fable / Kimi K3 执行：GPT 5.6 sol Xhigh 审查：GPT 5.6 sol high + Terra xhigh + Sonnet 5 high
尽情享用! 用循环构建你的一切，发出任务之后喝咖啡去。