Agent 死循环问题有遇到过吗？如何解决？

🏛 业务架构师

Agent 死循环是生产事故的常客——模型反复调用同一工具、重试相同的失败路径，token 烧钱不说，还可能重复执行写操作造成业务损失。我遇到的典型成因与解法：

成因三类：一是观察结果不收敛——工具返回模糊错误（超时、格式异常），模型得不到有效反馈就一直试；二是任务不可达——目标超出能力边界，模型不会放弃；三是上下文污染——历史里堆满失败记录，模型被带偏重复决策。

我的治理组合拳：

业务视角：死循环本质是"自主性的成本失控"。防线设计要分层——框架层熔断兜底、提示层引导换道、业务层幂等兜底。上线前专门做"故障注入测试"（故意让工具报错），验证熔断路径，这一步没做过的 Agent 不敢上生产。

Agent 死循环我见得多也治得多，分"识别 → 破环 → 根治"三层讲：

为什么死循环：模型目标感弱（做完一步忘了最终目标）、工具失败重试不换策略（同一个错误参数反复调用）、状态不更新（每步观察与上一步相同模型仍认为"再做一次"）、上下文过载后模型"失忆"回到已完成步骤。

破环机制（保险丝，必装）：

根治（让循环少见）：

产品兜底：死循环后降级人工处理并把 case 沉淀进评测集——这是唯一的长期解。

死循环是 Agent 生产化的头号事故源，我处理过的典型形态：同一工具同样参数反复调、两个 Agent 互相踢皮球、修复任务改来改去回到原点。

治理手段按层分：

硬刹车（保命层）：
- max_iterations / recursion_limit（LangGraph）全局步数上限；
- token 与金额预算：单任务消费超阈值强制终止；
- 单工具调用次数上限（同一工具名连续调用 ≥3 次即熔断）。
循环检测（诊断层）：
- 状态指纹：对「工具名+关键参数+结果摘要」做 hash，重复指纹直接判定无进展；
- 轨迹审查：每隔 N 步让 LLM 看 recent steps，自问「是否在重复」，是则强制换策略或终止。
纠偏（恢复层）：
- 工具失败信息结构化回喂，引导模型换参数/换工具（很多循环源于模型看不懂报错）；
- 失败 N 次后降级：换工具、换模型（升级到更强模型解难题）或转人工。

python

if fingerprint in recent_states[-3:]:
    inject("检测到重复操作，请更换策略或输出 NEED_HELP")

根因经验：八成死循环的根因是工具报错信息对模型不友好或完成判据模糊，调 prompt 不如修工具返回信息。