System Reminder:把跑偏的 Agent 拉回来
上一节,我们给 Agent 加上了真正意义上的“刹车”。 现在一次 Run 已经可以受到: MAX_STEPS Timeout Max Token Max Tool Calls Repeated Tool Call Repeated Error No Progress 这些资源边界...
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...
小节二:Reminder 里到底应该放什么——五个问题必须回答清楚
这一节是整章里最实用的一段。很多人写 Reminder,最大的问题不是不会写,而是写了一堆正确的废话。真正有效的 Reminder,通常绕不开下面这几个问题。回到前面的工作流思维导图可以看到,它们对...
小节三:实现 inject_reminder()——Reminder 必须来自真实 State,而不是模型自己编一段鸡汤
讲实现之前,建议先把数据流看明白。这样你再往下读 inject_reminder() 伪代码时,会顺很多。 这张图把流程拆成了三步:先从真实 State / Context 中读取目标、已完成步骤、重复迹...
小节四:什么时候触发 Reminder——不要每一轮都提醒,也不要等快死了才提醒
Trigger 设计得好不好,会直接决定 Reminder 是帮忙还是添乱。下面这张图基本把常见触发策略都收全了。 从图上你可以一眼看到五类典型场景:周期触发适合防遗忘,重复触发适合抓无效循环,预算...
小节五:把 Reminder 接入 ContextBuilder 和 Main Loop——不要把它变成另一个永久历史
这一节最容易讲抽象,所以先看图会舒服很多。 如图就把接入路径画得非常完整:当前输入与状态先进入 ReminderPolicy 判断,确认是否需要提醒、提醒什么、旧提醒是否该替换;随后由&nb...
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?
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。 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...
章末自测
题目 1:为什么一个 Agent 已经有 System Prompt 和 Working Memory,仍然需要 System Reminder? 请从长 Context、局部新信息、目标漂移和注意力重新锚定四个角度解释。 System Prompt 提供长...
Middleware:在 Agent 与 Tool 中间加一道墙
到上一节为止,我们已经开始真正控制 Agent 的行为,而不只是不断给它能力。 我们先用 RunGuard 给 Agent 加上: MAX_STEPS Timeout Max Token Max Tool Calls 告诉它: “你可以自主...
小节一:Tool Request 为什么绝对不能等于 Tool Execution——模型只能提出动作,Harness 才拥有执行权
这是本章最重要的概念边界。 Tool Request ≠ Tool Execution。 Tool Request 是: 模型提出: 我希望调用 run_shell 参数是 {'command': 'git push origin main'} Tool Execution 是: 操作系...












