跳到主要内容

Agent 开发:从循环到可控执行

一个 Agent 项目,关键在于能否把目标转为动作,读取真实结果,并在有限预算内交付可检查的产物。先把任务做小:输入是什么、可以调用什么、完成后留下什么证据。

先判断任务需要哪种执行方式​

任务起步方式判断依据
从固定格式文本提取字段一次模型调用 + 校验不需要根据环境反馈改变路径
审批通过后生成报告工作流步骤和依赖基本确定
查询资料后决定继续搜索还是回答单 Agent下一步取决于刚得到的结果
多个独立课题并行研究再汇总编排器 + 多个工作单元子任务能分别验收,结果能合并

Anthropic 对工作流和 Agent 的区分,可作为设计起点;实际系统也可以在固定流程中嵌入动态节点。官方说明

一个完整的执行循环​

模型输出工具名和参数时,真实操作还没有发生。运行时要负责校验、执行、超时与结果回传。模型声称“已经完成”也不足以终止任务;例如报告任务至少要检查文件存在、引用可定位、必需章节齐全。

运行状态不要只存聊天记录​

下面是教学用的状态草图,字段应围绕恢复和验收选择。

{
"run_id": "run-example-001",
"status": "running",
"goal": "回答问题并列出来源",
"steps_used": 2,
"max_steps": 6,
"evidence_ids": ["doc-17#p3"],
"pending_action": null,
"artifact": null
}

run_id 用来串起事件;status 用来区分运行、等待、失败、取消与完成;pending_action 保存尚未确认结果的动作。恢复时先核实动作是否已经完成,尤其是会写入外部系统的操作。

停止条件与失败分支​

情况应有行为
连续查询得到相同结果检查是否出现循环,调整策略或停止
找不到证据返回信息缺口,不补造来源
工具超时只对可重试的调用做有限重试
写操作结果不明先查询状态,避免重复写入
步数、时间或费用预算耗尽保留已完成部分和终止原因
用户取消停止安排新动作,记录已发生的副作用

从论文模式到产品行为​

ReAct 将推理与动作交错,是理解工具反馈循环的经典入口。实现时可以保留动作、观察结果和状态转移;不要把获取模型内部完整推理过程当作运行前提。ReAct 原论文

建议从一个模型、两个只读工具和明确验收条件开始。能稳定定位失败后,再增加记忆、规划器或多 Agent。下一步做 执行循环实验,或阅读 Function Calling 的调用时序。