数据分析类 Agent 里,另一种很常见的空转,就是明明已经找到核心原因,却还忍不住继续下钻。下面这张图就把这个场景讲得很透。
![图片[1]-案例分析二:Data Analysis Agent 已经找到根因,却因为“还能再查”不断下钻,Reminder 如何帮助结束?-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1660.png)
从左到右看,会很容易建立直觉:先是已经通过分析找到根因,接着 Agent 产生“要不要再按地区拆一下、再按分群看一下”的冲动;此时周期 Reminder 触发,迫使它重新检查:最初问题是否已经回答、继续新增查询是不是必要、现在能不能结束;最后再从目标、结论、边际价值三个角度判断是否收束。很多时候,空转并不是不会做,而是不知道该停。
场景背景
用户问,“为什么昨天收入下降?”
Agent 已经发现:
收入 -20%
请求量稳定
eCPM -35%
media_B 贡献主要下降
position_17 eCPM -42%
第 15 步时,证据已经足够回答。
但模型继续:
查地域
查版本
查网络
周期 Reminder 触发
Current Goal:
解释昨天收入下降的主要原因
Completed:
- 请求量稳定
- eCPM 是核心异常
- media_B 是主要来源
- position_17 是最明显异常点
Repeated / Risk Signals:
- 最近 3 次查询没有改变主要结论
Remaining:
- 组织结论
- 说明证据
- 给出建议
Budget:
16 / 25 steps used
Stop Condition:
当主要原因与关键证据已明确时,应结束,不要继续无边界下钻。
下一轮
Agent不再 query_sql。
而是:
final answer
结果
相比无 Reminder:
少 6 次 SQL
少 8K Token
少 20 秒
而最终结论没有变。
复盘
这就是 Reminder 对,Over-analysis
的控制价值。
Agent 很多时候不是不会做。
而是,不知道什么时候够了。
常见误区
这一节其实非常适合用一张对照图收尾,因为很多误区单独看都“像是对的”,但放在一起一比,问题就很明显了。
![图片[2]-案例分析二:Data Analysis Agent 已经找到根因,却因为“还能再查”不断下钻,Reminder 如何帮助结束?-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1661.png)
左边这些说法在项目早期特别常见,比如觉得 Reminder 越长越好、每一轮都提醒更稳,或者干脆让提醒去代替 State。右边对应的理解会更靠谱:Reminder 要简洁但结构化,触发要有策略,内容必须来自真实状态,而且只保留当前必要的那部分。把这一层想明白,后面很多设计选择都会自然不少。
常见误区
误解: System Reminder 就是在 System Prompt 里再写一遍“请不要跑偏”。
正解: 真正有效的 Reminder 不是静态口号,而是基于当前真实 State 动态生成。它应该包含当前 Goal、已完成事项、重复行为、剩余任务、预算和结束条件。静态“不要重复”无法告诉模型它具体重复了什么,也无法帮助它判断下一步,因此作用有限。
误解: 有了 Reminder,就可以把 MAX_STEPS、Timeout 这些硬边界删掉。
正解: Reminder 是软控制,只能影响模型决策,不能保证模型一定听从。RunGuard 是硬控制,负责在预算耗尽时强制终止。两者关系是“先尽量纠偏,再在必要时停止”。任何生产 Agent 都不能只靠 Prompt 或 Reminder 代替确定性的资源限制。
误解: Reminder 应该每一轮都注入,这样 Agent 永远不会忘记目标。
正解: 每轮提醒会不断增加 Context,并可能让模型受到过度约束,失去必要探索空间。更合理的是周期触发、重复触发、预算触发和 No Progress 触发组合使用。Reminder 应在真正有纠偏价值时出现,而不是变成每轮固定噪声。
误解: Reminder 可以让 LLM 自己重新总结“当前目标”和“已完成事项”。
正解: 如果让模型每次重新猜状态,目标可能逐渐漂移。Reminder 应优先读取 Working Memory、Run Steps、Tool History 和 RunGuard 中的确定状态,再组织成短文本。LLM 可以帮助自然语言整理,但事实来源必须来自 Harness 已记录的数据,而不是重新编造。
误解: Reminder 注入以后应该保存进 Conversation History,保证未来一直能看到。
正解: Reminder 是某个运行时刻的临时纠偏快照,旧版本很快就会过期。更合理的是 ContextBuilder 只携带最新 Reminder,旧 Reminder 写 Trace 供审计。否则第 10、15、20 步的 Reminder 全部堆在 Conversation 里,会造成新的 Context 膨胀和冲突。
误解: 只要把 Reminder 标成 system,它就一定比所有输入都可信。
正解: Reminder 的高优先级来自 Harness 的受控生成链路,不是来自字符串本身。Tool Observation、检索结果和用户输入仍可能包含伪装成系统指令的文本;ContextBuilder 应保留来源标记和消息边界,不能把外部内容直接拼进 Reminder。安全策略仍由 Middleware 和执行层负责,Reminder 只能提供判断依据。
误解: 只比较提醒前后的最终成功率,就能证明 Reminder 有效。
正解: 成功率可能掩盖成本变化,也可能掩盖提醒让模型过早结束的问题。至少要结合触发原因、提醒后的下一步、重复 Tool、重复 Error、Steps、Token、延迟和成功率一起看;最好固定任务集做 A/B,并通过 Trace 检查提醒是否真的改变了策略。
误解: Reminder 只适合 Coding Agent,数据分析或 Research Agent 不需要。
正解: 只要 Agent 存在开放式探索,就可能跑偏。Data Analysis Agent 会过度下钻,Research Agent 会不断搜索新资料,Browser Agent 会继续点击更多页面。Reminder 的本质是重新锚定 Goal、Progress 和 Stop Condition,因此适用于几乎所有长 Run Agent。

















请登录后查看评论内容