小节一:为什么 Agent 会“跑偏”——不是忘了 Prompt,而是长 Run 中局部信息不断覆盖全局目标

很多人会说,“System Prompt 里不是已经写了目标吗?为什么还要 Reminder?”

因为,有一次写进去,不等于几十轮以后仍然保持同样注意力。

尤其 Agent 每一轮都在新增:

Tool Result
日志
错误
代码
Observation
新计划

越往后,最近信息越强。

跑偏的第一种情况:局部错误吸走注意力

例如当前真正目标:

修复 ImportError

但某个 Tool Result 里出现:

WARNING: cache directory not writable

模型觉得这个也值得查。

于是几轮以后,主要精力都花在:

cache warning

上。

问题不是模型完全忘了目标。

而是,局部新信息的“显著性”超过了旧目标。

跑偏的第二种情况:完成了还不愿意停

比如 Data Analysis Agent 已经确认:

收入下降主要来自 media_B
media_B 中 position_17 eCPM 下跌 42%
请求量稳定

证据已经足够。

但模型继续:

查地域
查设备
查网络
查版本

因为它觉得:

“还可以再确认一点。”

这叫,过度探索。

Reminder 可以直接问:

当前证据是否已经足够回答用户问题?
如果足够,应该结束,而不是继续扩展分析。

跑偏的第三种情况:重复动作但模型没意识到

例如:

read_file("app.py")

第 3 步调用过。

第 8 步又调用。

第 11 步又调用。

如果中间 Context 很长,模型可能没意识到:

这个文件已经读过,而且内容没变。

Reminder 可以把:

最近重复 Tool Signature

显式告诉它。

跑偏的第四种情况:计划发生漂移

最初:

Plan:
1. 复现错误
2. 定位根因
3. 最小修改
4. 验证

后来变成:

检查缓存
检查日志
检查部署
检查环境

并不是这些动作都错。

而是,原计划没有被重新对齐。

Reminder 的本质

如果你想把 Reminder 真正用对,最核心的一点不是先背定义,而是先搞清楚它到底在这套系统里扮演什么角色。下面这张图就很适合放在这里。

图片[1]-小节一:为什么 Agent 会“跑偏”——不是忘了 Prompt,而是长 Run 中局部信息不断覆盖全局目标-大赛人网

如图所示,Reminder 不是为了把话说满,而是为了把状态说清。它一方面会回看当前目标、已完成工作和剩余任务,另一方面又会盯住是否重复、是否可以结束、预算还剩多少。换句话说,它本质上不是“再讲一遍道理”,而是帮助 Agent 从全局视角重新审视当前轮次。

所以 Reminder 不是新的 Prompt 技巧。

它本质是,Periodic State Re-anchoring。

把当前真实状态重新“锚定”到:

Goal
Progress
Problems
Budget
Stop Condition

让模型重新从全局看当前一步。

Reminder 为什么不应该太长?

如果 Reminder 也写成 3000 Token:

自己又变成 Context 噪声。

所以理想 Reminder 应该:

短
结构化
具体
基于事实
可行动

例如:

Goal:
修复 ImportError

Completed:
- 根因已定位为 requests 缺失

Repeated:
- app.py 已读取 3 次

Remaining:
- 修复依赖
- 运行测试

Budget:
12 / 30 steps used

Stop:
测试通过后结束,不要扩展无关 warning

这已经很够用了。

© 版权声明
THE END
喜欢就支持一下吧
点赞9 分享
评论 抢沙发
头像-大赛人网
欢迎您留下宝贵的见解!
提交
头像-大赛人网

昵称

取消
昵称

    请登录后查看评论内容