程式碼對照 · internal/llmloop · OpenCodeReview 繁中教學站

大方向

internal/llmloop 是「單一檔案的評審引擎」。每個 Runner 管理一個檔案的 plan+main 迴圈：呼叫 LLM、執行工具、收集 code_comment、記憶超過預算時觸發三分區壓縮。它與 internal/agent 的分工：agent 管編排（哪些檔、何時），llmloop 管執行（怎麼跟模型對話）。

1. 主迴圈

Runner.RunPerFile() loop.go單一檔案的 main 迴圈：LLM 往返 → 工具執行 → 收集評論。

RunPerFile 實作架構文件裡的 main 迴圈：

loop up to MAX_TOOL_REQUEST_TIMES (30):
    response = llm.complete(messages, tools)
    無 tool calls → nudge 模型再試
    執行每個 tool call → 收集結果
    看到 task_done → break
    addNextMessage(...)  # 可能觸發壓縮

回傳 MainLoopStop 列舉（task_done / max_tools / empty_rounds / cancelled / compression_failed），讓上層知道為何結束。

2. 工具執行

executeToolCall() · lookupTool() · parseToolArgs() loop.go執行單一工具呼叫；查 registry；解析參數 JSON。

parseToolArgs 把模型回傳的原始 JSON 參數解析成 map[string]any；lookupTool 從 tool.Registry 找到 provider；executeToolCall 呼叫 Provider.Execute 並記錄 TaskCheckpoint（寫進 session JSONL）。code_comment 特別派發到 CommentWorkerPool——不阻塞主迴圈。

runGraceRound() · graceRoundToolDefs() loop.go讓迴圈「優雅收尾」的最後一輪。

當模型在最後階段可能漏掉已產出的評論時，跑一個「寬限輪」：graceRoundToolDefs 過濾掉可能誤導的工具定義，給模型最後一次整理 code_comment 的機會——提升評論完整性而不延長太多。

3. 記憶管理

addNextMessage() loop.go把一輪往返加入訊息緩衝；依 token 閾值觸發非同步/同步壓縮。

每次加訊息前計算總 token（CountMessagesTokens）：超過 60% 閾值啟動非同步背景壓縮（runCompression 在 goroutine），超過 80% 在送下一個請求前同步壓縮。回傳 false 表示壓縮無法壓回閾值以下——這是五個退出條件之一。

4. 計數器

RecordUsage() · RecordWarning() · recordToolCall() loop.go原子記錄 token、警告、工具呼叫計數。

全部用 atomic 計數器（多子任務並行安全）。TotalInputTokens/TotalOutputTokens/TotalCacheReadTokens 等由 agent 層彙整成總摘要。

看完這頁你應該能說出：RunPerFile 的主迴圈結構與五個退出條件、CommentWorkerPool 為何讓主迴圈不阻塞、寬限輪的目的、以及 60%/80% 閾值的壓縮觸發時機。

下一步：internal/diff 或回程式碼對照。