核心要点
能列举失败模式:目标分解错(漏步/拆错)、步骤依赖顺序错、工具误用或参数错、无终止条件陷入死循环、长流程中上下文丢失
能针对分解错:加约束与校验,让 Planner 先确认目标覆盖再执行,必要时人审计划
能针对执行偏差:观察 Observation 触发动态重规划,而非死执行原计划
能控失控:设最大步数/超时与循环检测,关键节点加人工 checkpoint 兜底
标准回答
常见失败原因
- 目标分解错误:子任务漏项、拆解粒度不当或偏离原目标。
- 依赖顺序错误:步骤间前置依赖没排对,导致后续步骤无效。
- 工具误用:选错工具或参数填错,拿到无用结果。
- 无终止 / 死循环:缺少终止条件或重复同一动作,停不下来。
- 上下文丢失:长流程超出窗口或状态未持久化,遗忘早期信息与中间结果。
应对策略
常见误区
⚠️ 常见踩坑
让 Agent 一次生成计划后机械执行、不设上限——真实环境工具会失败、信息会变,缺少重规划和最大步数会导致计划漂移、死循环或错误累积。
追问
追问 1:如何判断该重规划而不是继续执行?
题库专题:Agent 如何在很多工具中正确选择该调用哪个?设触发条件:工具调用失败或返回异常、Observation 与预期严重不符、连续多步无进展、关键前置信息缺失时触发重规划。把这些信号显式喂回 Planner 让它修订计划;同时配合最大重规划次数,避免反复改计划也陷入循环。
追问 2:怎么防止 Agent 陷入死循环?
多管齐下:设最大步数和总超时;检测重复动作(同样的工具+参数连续出现则中断);要求每步声明是否更接近目标,无进展则触发重规划或退出;高风险长流程加人工 checkpoint。把循环检测和限步做成框架级护栏而非靠模型自觉。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。
🛠️ AI 工具
- LangGraph
基于图的 AI Agent 编排框架,29,857+ stars。LangChain 团队出品,用有向图定义 Agent 工作流,支持循环、条件分支、多 Agent 协作。是构建复杂 Agent 系统的标准工具。