有了硬预算之后,系统已经不会彻底失控了。但如果每次都非得等到第 30 步、第 300 秒或者第 50,000 Token 才停,那依然会浪费很多资源。所以更成熟的做法,是尽早识别出“虽然还没超预算,但已经没有继续的必要了”。
![图片[1]-小节五:比 MAX_STEPS 更聪明的停止条件——重复 Tool、重复 Error、No Progress-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1648.png)
这张图把三类最常见的软停止信号放在了一起:重复工具调用、重复错误、无进展。你可以把它们理解成“提前刹车”的线索。它们不是在宣告任务彻底失败,而是在提醒系统:要么换策略,要么补证据,要么安全停止。
资源预算是一层非常重要的硬边界。
但如果能更早发现:
已经没有进展
就没必要等到第 30 步。
所以我们可以加入“软停止信号”。
重复 Tool Call
如果连续:
read_file("app.py")
read_file("app.py")
read_file("app.py")
很可能模型没有利用 Observation。
可以记录 Tool Signature:
tool_name
+
normalized arguments
例如:
read_file|{"path":"app.py"}
连续重复达到阈值:
3 次
就停止或注入提醒。
重复 Error
比如:
ModuleNotFoundError: requests
出现 4 次。
说明 Recovery 没有推进。
可以:
same_error_count >= 3
→ stop
或者先:
inject reminder
告诉模型:
你已经连续三次遇到同一个错误,
必须改变策略或结束。
下一章会专门讲 System Reminder。
No Progress 怎么判断?
这是最难的。
可以先做非常工程化的近似。
例如最近 5 Step:
Goal 没变
Error 没变
Working Memory.completed 没新增
Tool Result 没产生新事实
就认为:
no_progress
不需要追求完美。
因为它只是一个额外信号。
真正保险丝仍然是:
MAX_STEPS
Timeout
Max Token
Max Tool Calls
一个简单重复检测器
参数签名要先规范化。{"path":"app.py","limit":10} 和字段顺序不同的同一份 JSON,不应该被当成两个动作;相反,文件内容已经改变后再次 read_file,虽然参数相同,却可能是合理验证。更稳妥的检测会把 Workspace 版本、Artifact 哈希或 Observation 指纹一起纳入判断。
错误也不要直接比较完整字符串。时间戳、临时路径、请求 ID 每次都可能不同,我们通常提取稳定的 error_type + error_code + root_cause 作为签名。检测器发现重复后,先记录证据并触发 Reminder;只有继续重复或硬预算耗尽时再停止,这样不容易误伤正常迭代。
为什么不能只靠重复检测?
因为循环可能不重复。
比如:
read A
read B
read C
read D
每次都不同。
但也许没有任何进展。
所以,重复检测是补充,不是替代资源预算。
重复动作不一定意味着没有进展
我们看到 Agent 连续三次运行测试,先别急着判定它死循环。若每次测试之间都有不同的有效修改,失败数量逐步减少,这可能是正常迭代。相反,连续读取同一版本文件、得到相同结果、又没有提出新问题,才更像缺少进展。判断需要结合参数、资源版本和 Observation。
监控外部任务也可能反复查询同一接口。轮询应有明确间隔、截止时间和停止条件,重复调用检测则应识别这种已声明的等待模式。否则我们为了防止循环,会误伤正常长任务。
预算仍是最终边界:步数、工具次数和时间分别限制不同资源。每次 Run 应重新初始化计时和计数,恢复时则按约定继承已消耗预算,避免误用前一个任务的状态,或重启后获得无限新预算。
预算属于 Run,子任务不能凭空刷新额度
预算模板可以来自 Agent 类型、租户套餐或风险等级,但 Run 创建时应保存一份快照。运行到一半修改全局默认值,不应该悄悄改变已经开始的任务。
发生重试、进程重启或 Worker 接管时,已消耗的 Step、Token 和 Tool Call 要从持久化 Usage 恢复;时间预算则明确保存 deadline,或保存累计主动执行时长。只重新构造一个 RunGuard(),相当于给卡住的任务重新发了一整份预算。
以后加入 SubAgent 时也一样。父 Agent 把任务交给子 Agent,不代表总预算清零。常见做法是父 Run 给子任务划分一个额度切片,并继续计入父级总账:
Parent remaining tool calls = 12
Delegate to SubAgent = reserve 5
SubAgent actual usage = 3
Return unused = 2
这叫预算传播。没有它,Agent 可以通过不断创建子任务绕过所有限制。
动手分辨:哪组轨迹需要停止
准备“修改→失败测试数减少”的轨迹,以及“读取→同结果→再次读取”的轨迹。参考判断是前者可以在预算内继续,后者应要求新的调查依据或停止。把决定原因写入记录,后续才能评估停止策略是否过于激进。
















请登录后查看评论内容