Agent 陷入死循环（反复调用同一工具/来回纠结）如何排查与解决？

先定性：为什么会循环

死循环的根源通常是 Agent 失去了"前进的判据"。常见四类：一是目标或子目标不清，模型不知道做到什么程度算完成，于是反复尝试；二是工具结果无进展，比如同样的查询返回同样的空结果，模型却不断重试；三是缺终止判断，没有"是否已足够"的显式检查，模型默认继续行动；四是反思失效，自我批评环节产生矛盾建议，让 Agent 在两个方案间来回横跳。

再排查：靠 trace 还原现场

不要凭猜测。打开完整执行 trace（每一步的 thought、tool call、tool result），按时间线看是否存在重复的"动作-观察"对：同一工具同一参数被多次调用、或 A 工具与 B 工具交替触发却无状态推进。用可观测性平台（如 LangSmith）或结构化日志做动作指纹（工具名+归一化参数的哈希），统计重复次数，就能快速锁定循环点与触发条件。

再止血：硬上限兜底

给 Agent 加最大迭代步数和单工具调用次数上限，这是任何生产 Agent 的必备护栏。一旦超限，立刻停止并降级：返回已有的部分结果、向用户澄清，或转人工。硬上限保证最坏情况下成本与延迟有界，绝不会无限烧 token。

再治本：软机制让它会"停"

在上限之上叠加更聪明的控制：重复检测——发现连续重复动作就提前终止或强制换策略；显式终止判断——每步让模型先回答"现有信息是否已足够给出最终答案"，足够就直接收尾；进度评估/反思——周期性让模型总结"距离目标还差什么、上一步是否带来新信息"，无进展就改道而非重试；降低温度——把决策温度调低，减少在等价选项间的随机摇摆。多管齐下，既能止血又能治本。