add worktree & up task、teammate etc

docs/zh/s01-the-agent-loop.md

@@ -1,6 +1,6 @@
 # s01: Agent Loop (智能体循环)
 
-> AI 编程智能体的全部秘密就是一个 while 循环 -- 把工具执行结果反馈给模型, 直到模型决定停止。
+> AI 编程智能体的核心是一个 while 循环 -- 把工具执行结果反馈给模型, 直到模型决定停止。
 
 ## 问题
 
@@ -49,7 +49,7 @@ response = client.messages.create(
 messages.append({"role": "assistant", "content": response.content})
 ```
 
-4. 检查 stop_reason。如果模型没有调用工具, 循环结束。这是唯一的退出条件。
+4. 检查 stop_reason。如果模型没有调用工具, 循环结束。在本节最小实现里, 这是唯一的循环退出条件。
 
 ```python
 if response.stop_reason != "tool_use":
@@ -115,7 +115,7 @@ def agent_loop(messages: list):
 
 ## 设计原理
 
-这个循环是所有基于 LLM 的智能体的通用基础。生产实现会增加错误处理、token 计数、流式输出和重试逻辑, 但基本结构不变。简洁性就是重点: 一个退出条件 (`stop_reason != "tool_use"`) 控制整个流程。本课程中的所有其他内容 -- 工具、规划、压缩、团队 -- 都是在这个循环之上叠加, 而不修改它。理解这个循环就是理解所有智能体。
+这个循环是所有基于 LLM 的智能体基础。生产实现还会增加错误处理、token 计数、流式输出、重试、权限策略与生命周期编排, 但核心交互模式仍从这里开始。本节强调简洁性: 在本节最小实现里, 一个退出条件 (`stop_reason != "tool_use"`) 就能支撑我们先学会主流程。本课程中的其他内容都在这个循环上叠加。理解这个循环是建立基础心智模型, 不是完整的生产架构。
 
 ## 试一试