《实用笔记》：智能体循环应在何时停止？DeepSeek Harness与Pi Give

以下笔记围绕“智能体循环应在何时停止？DeepSeek与Pi给出了截然不同的答案”这一主题，梳理出一条实用路径。重点在于契约、校验以及可直接插入的代码占位符，而非动机性阐述。 在完成概览阶段时，首先写下契约内容：所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 在功能结果旁记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外费用。

引言：直到出现问题才有人会问的问题

将“开启问题处理流程”这一环节视为可度量的对象，才是最佳处理方式。在扩大范围之前，先记录一个成功的案例、一个失败案例以及回滚说明。 应将配置与应用程序代码分开。环境文件、密钥存储和功能标志应集中存放于一处，这样操作人员无需查看整个系统结构即可进行审计。 需提供具有明确数据结构和清晰副作用标签的工具。主机需要在自动批准之前知道哪些调用会改变系统状态。

504 Gateway Timeout

第一部分——“停止”究竟意味着什么（它并非单一概念）

第一部分：将“停止阶段”视为可度量的指标时，哪种方式最有效。在扩大范围之前，先记录一个成功的案例、一个失败案例以及回滚说明。 同时记录正常流程和恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的一部分，而非后续需要补充的内容。 提供具有明确结构定义和清晰副作用标签的工具。主机需要在自动批准之前知道哪些调用会改变状态。

Model Request
    ↓
Assistant Response
    ↓
Tool Calls
    ↓
Tool Results
    ↓
Model reviews results
    ↓
Turn End
    ↓
Agent Idle
    ↓
Follow-up / Goal / Scheduler
    ↓
Next Turn

第二部分 —— 为何现在就要处理，而非以后

第二部分：为何将此阶段视为可度量的界面最为有效。在扩大范围之前，需记录一份理想的执行日志、一个故障案例以及回滚说明。 相较于庞大的脚本，应优先选择小型且可测试的单元。当某一步骤出现故障时，故障原因应能指向单一责任模块，而非复杂的流程链。 应使用具有明确结构规范和清晰副作用标注的工具。主机需要在自动批准之前知晓哪些调用会修改状态。 第二部分：为何将此阶段视为可度量的界面最为有效。在扩大范围之前，需记录一份理想的执行日志、一个故障案例以及回滚说明。 除了功能结果外，还需记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外费用。

第三部分——实际运作方式：拆解机器

在第三部分的“执行流程”中，应在修改代码之前明确输入参数、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 配置信息应置于应用程序代码之外。环境文件、密钥存储以及功能标志应集中存放于一个位置，以便操作人员无需查看整个流程即可进行审计。 在网关处进行身份验证，在数据层再次授权。仅凭承载令牌并不足以界定租户边界。

Assistant:
"I've created PR #1234."

model stopped   ≠   turn stopped

3.2 第二层：工具批量处理完成

对于3 2层两阶段流程，在修改代码之前需明确输入参数、各步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 需同时记录正常流程与异常恢复流程。重试机制、人工审核环节以及错误处理都是产品本身的组成部分，而非后续需要补充的功能。 在网关处进行身份验证，在数据层面重新授权。仅凭承载令牌并不足以界定租户边界。

# Illustrative example — conceptual pseudocode, not an official API
while has_more_tool_calls:
    response = call_model()
    tools = parse_tool_calls(response)
    execute_tools(tools)

Model
  ↓
create_pr()
  ↓
200 OK
  ↓
PR #1234

Goal
 └─ Goal Round
     └─ Turn
         ├─ Step
         │   ├─ Model Request
         │   └─ Tool Calls
         ├─ Step
         │   ├─ Model Request
         │   └─ Tool Calls
         └─ ...

3.3 那么一个环节究竟何时结束？

在3 3 So阶段，修改代码之前需明确输入参数、该步骤的负责人以及结束标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。相比冗长的脚本，更应采用小型、可测试的单元。当某个步骤失败时，故障原因应能指向具体的责任方，而非复杂的流程链。在网关处进行身份验证，在数据层面重新授权——仅凭承载令牌并不足以界定租户边界。在3 3 So阶段，修改代码之前需明确输入参数、该步骤的负责人以及结束标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。除了功能结果外，还需记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在流程从演示环境转向共享环境时出现意外账单。

3.4 布尔值陷阱：shouldContinue()

在处理布尔值相关阶段时，首先明确需求规范：所需输入、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续代码修改的规范性。 将配置信息置于应用程序代码之外。环境文件、密钥存储和功能开关应集中存放，以便操作人员无需查看整个系统结构即可进行审计。 为每次调用记录工具名称、参数哈希值、延迟时间以及执行结果。没有这些记录，调试代理将陷入无止境的循环，耗费大量时间。

Plugin A → false
Plugin B → true
Plugin C → false

shouldContinue(): boolean

3.5 此设计的代价

在处理“成本阶段”时，首先写下合同细节：所需输入、成功标志以及部分失败时的处理方式。这样的清单能确保后续的代码修改始终符合要求。 同时记录正常流程和恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的组成部分，而非后续的优化工作。 需为每次调用记录工具名称、参数哈希值、延迟时间以及最终结果。没有这些记录，调试代理将陷入无止境的循环，耗费大量时间。

Prompt → Search → Answer

3.6 Pi的解决方案：缩小循环范围，将“continue”拆分为两个API

在完成3 6 Pi s阶段的工作时，首先需明确契约内容：所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持透明。 相比冗长的脚本，应优先选择小型且可测试的单元。当某一步骤失败时，故障应指向单一责任点，而非复杂的流程链。 需为每次调用记录工具名称、参数哈希值、延迟时间以及最终结果。没有这些记录，调试过程将会浪费大量时间。 在完成3 6 Pi s阶段的工作时，首先需明确契约内容：所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持透明。 在功能结果旁还需记录执行时间以及代币或查询成本。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外费用。

// Illustrative example — conceptual pseudocode, not an official API
while (true) {
  while (hasMoreToolCalls || pendingMessages.length > 0) {
    callModel();
    executeTools();
  }

const followUps = await getFollowUpMessages();
  if (followUps.length > 0) {
    pendingMessages = followUps;
    continue;
  }
  break;
}

Inner Loop
    ↓
More tools? More steering?
    ↓
No
    ↓
Outer Loop
    ↓
Any follow-up?
    ↓
No
    ↓
Agent End

Steering  = you are changing my direction right now
Follow-up = you were about to let me stop, but I'm giving you one more thing

3.7 并排展示 DSH 与 Pi

在将 3.7 版本的 DSH 阶段视为可测量的界面来处理时，效果最佳。在扩大范围之前，先记录一个成功的案例、一个失败案例以及回滚说明。 应将配置置于应用程序代码之外。环境文件、密钥存储和功能标志应集中存放，以便操作员无需查看整个架构即可进行审计。 提供具有严格结构定义且带有明确副作用标签的工具。主机需要在自动批准之前知道哪些调用会修改状态。

DSH                              Pi
Goal                             Outer Loop
  ↓                                 │
Goal Round                    Follow-up Queue
  ↓                                 │
Turn                                ▼
  ↓                            Inner Loop
Step                                │
  ↓                        Steering + Tool Calls
Model ↔ Tools ↔ Inbox               │
  ↓                                 ▼
Turn-Stopping                   turn_end
  ↓                                 │
Turn End                            ▼
                                agent_end

3.8 Pi 的一个较为低调但非常实用的功能：shouldStopAfterTurn

将 3 8 Pi s 阶段视为可测量的界面时，其效果最佳。在扩大范围之前，需记录一个成功的案例、一个失败案例以及回滚说明。同时记录正常流程与恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的一部分，而非后续需要补充的内容。应提供具有严格结构定义和明确副作用标识的工具，以便主机在自动批准之前能够知晓哪些调用会改变状态。

shouldStopAfterTurn()   ≠   killEverything()

Agent
  ↓
fix bug
  ↓
run tests
  ↓
tests pass
  ↓
turn_end
  ↓
shouldStopAfterTurn = true
  ↓
agent_end

3.9 DSH 更接近状态机的设计方式

将3 9 DSH阶段视为可度量的界面来处理时效果最佳。在扩大范围之前，先记录一份理想状态下的运行日志、一个故障案例以及回滚说明。 相较于庞大的脚本，应优先选择小型且可测试的单元。当某一步骤出现故障时，故障原因应能指向单一责任主体，而非复杂的流程链。 需使用具有明确结构规范和清晰副作用标注的工具。主机需要在自动批准之前知道哪些调用会修改状态。 将3 9 DSH阶段视为可度量的界面来处理时效果最佳。在扩大范围之前，先记录一份理想状态下的运行日志、一个故障案例以及回滚说明。 在功能结果之外，还需记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外费用。

3.10 为何“故障原因”比看上去更重要

在进行3个“10个为什么”分析阶段时，应在修改代码之前明确输入参数、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 配置信息应置于应用程序代码之外。环境文件、密钥存储以及功能标志应集中存放于一个位置，以便操作人员无需查看整个系统结构即可进行审计。 在网关处进行身份验证，在数据层再次授权。仅凭承载令牌并不足以界定租户边界。

Agent stopped.

Agent stopped because:
- task completed?
- user cancelled?
- token limit hit?
- tool error?
- process crashed?
- blocked by policy?
- waiting on a human?

3.11 Pi刻意未将所有这些功能纳入核心模块

对于刻意设计的 3·11 类故障场景，应在修改代码之前明确输入参数、该步骤的负责人以及退出标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 需同时记录正常流程和故障恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的组成部分，而非后续需要补充的功能。 在网关处进行身份验证，在数据层再次授权。仅凭承载令牌并不足以界定租户边界。

3.12 这一选择的代价

在3 12价格计算阶段，修改代码之前需明确输入参数、该步骤的负责人以及终止条件。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 相较于庞大的脚本，更应采用小型且可测试的单元。当某个步骤失败时，故障原因应能明确指向某个具体职责，而非整个复杂的流程。 在网关处进行身份验证，在数据层再次授权。仅凭承载令牌并不足以界定租户边界。 在3 12价格计算阶段，修改代码之前需明确输入参数、该步骤的负责人以及终止条件。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 除了功能结果外，还需记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在流程从演示环境转向共享环境时出现意外账单。

3.13 需要投票的工具：concludesTurn

在处理这313个阶段工具时，首先需写下相关契约：所需输入、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 应将配置信息置于应用程序代码之外。环境文件、密钥存储以及功能开关应集中存放，以便操作人员无需查看整个系统结构即可进行审计。 需为每次调用记录工具名称、参数哈希值、延迟时间以及执行结果。没有这些记录，调试代理将陷入无止境的循环，耗费大量时间。

3.14 即使是AND/OR选择也体现了设计理念

在处理 3.14 阶段时，首先写下相关契约：所需的输入参数、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 同时记录正常流程和异常恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的组成部分，而非后续需要补充的功能。 需为每次调用记录工具名称、参数哈希值、延迟时间以及最终结果。没有这些记录，调试代理将陷入无止境的循环，耗费大量时间。

Tool A → concludesTurn = true
Tool B → false
Tool C → false

3.15 并发性带来另一层复杂性

在处理“3 15 并发增强”阶段时，首先需明确接口规范：所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 优先选择小型、可测试的单元，而非冗长的脚本。当某一步骤失败时，故障应指向单一责任点，而非复杂的流程链。 需为每次调用记录工具名称、参数哈希值、延迟时间以及最终结果。没有这些记录，调试过程将会浪费大量时间。 在处理“3 15 并发增强”阶段时，首先需明确接口规范：所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 在功能结果旁还需记录执行时间以及令牌或查询成本。提前了解成本情况，可避免在从演示环境过渡到共享环境时出现意外费用。

A = create PR
B = inspect dependency graph
C = run security scan

3.16 max-tokens：反对“直接重试”策略的典型反例

将“max-tokens”视为可度量的指标时，该机制效果最佳。在扩大应用范围之前，先记录一个成功的示例、一个失败案例以及回滚说明。 配置应置于应用程序代码之外。环境文件、密钥存储和功能开关应集中存放，以便操作人员无需查看整个系统结构即可进行审计。 为每轮对话和每次会话设定token预算。智能工具往往会过度扩展上下文；设置上限可避免演示过程变成意外的费用账单。

Model:
"I'm about to call deploy_production with
{ ... half-finished JSON ...

3.17 只读操作与有副作用操作的区分

在将只读阶段视为可测量的表面时，其效果最佳。在扩大范围之前，先记录一个成功的案例、一个失败案例以及回滚说明。同时记录正常流程和恢复流程。重试机制、人工审核环节以及死信处理都是产品本身的一部分，而非后续需要补充的内容。应提供具有严格结构定义和明确副作用标识的工具，这样主机才能在自动批准之前知道哪些调用会改变状态。

第4部分 —— 大多数人的误解

第四部分：将各个阶段视为可度量的对象时，哪种方式效果最佳？在扩大范围之前，需记录一份理想的执行日志、一个故障案例以及回滚说明。相比庞大的脚本，应优先选择小型且可测试的单元。当某一步骤出现故障时，故障原因应能明确指向某个具体的责任模块，而非复杂的流程链。工具的设计应具备明确的架构规范和清晰的副作用标识，这样主机才能在自动批准之前知道哪些调用会改变系统状态。第四部分：将各个阶段视为可度量的对象时，哪种方式效果最佳？在扩大范围之前，需记录一份理想的执行日志、一个故障案例以及回滚说明。除了功能结果外，还需记录执行时间以及令牌或查询的成本。提前了解成本情况，可避免在系统从演示环境过渡到共享环境时出现意外费用。

DISCOVERED → MODIFIED → TESTING → PR_CREATED → CI_RUNNING →
WAITING_REVIEW → CHANGES_REQUESTED → MERGED → DEPLOYING → OBSERVING → VERIFIED

第五部分 —— 判断标准

在第五部分的判断阶段，应在修改代码之前明确输入参数、该步骤的负责人以及退出标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 配置信息应置于应用程序代码之外。环境文件、密钥存储以及功能标志应集中存放于一个位置，这样操作人员无需查看整个系统结构即可进行审计。 在网关处进行身份验证，在数据层再次进行授权。仅凭承载令牌并不足以界定租户边界。

第六部分 —— 实际应用中的变化

在第六部分“此阶段的目标”中，应在修改代码之前明确输入参数、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。 需同时记录正常流程和异常恢复流程。重试机制、人工审核环节以及错误处理都是产品本身的组成部分，而非后续需要补充的功能。 在网关处进行身份验证，在数据层再次授权。仅凭承载令牌并不足以界定租户边界。

Current side-effect state: UNKNOWN
Can it be resolved against external facts? YES
  → query the PR
  → query the branch
  → query the commit
  → query remote state

PR exists  → continue the existing workflow
PR absent  → retry creation

Goal:
  all v1 imports removed
  AND unit tests pass
  AND integration tests pass
  AND PR created

结论：值得保留的句子

在进入结论阶段之前，应明确输入参数、该步骤的负责人以及退出标准，然后再进行代码修改。操作人员应当能够从已知的检查点重新运行该步骤，而无需猜测其中的隐藏状态。 相较于庞大的脚本，更应优先使用小型且易于测试的单元。当某个步骤失败时，故障原因应当指向单一的责任主体，而非复杂的流程链。 在网关处进行身份验证，在数据层再次授权。仅凭承载令牌并不足以界定租户边界。 在进入结论阶段之前，应明确输入参数、该步骤的负责人以及退出标准，然后再进行代码修改。操作人员应当能够从已知的检查点重新运行该步骤，而无需猜测其中的隐藏状态。 除了功能测试结果外，还应记录执行时间以及令牌或查询的成本。提前了解成本情况，可避免在流程从演示环境转向共享环境时出现意外账单。

如果您想表达感谢，可以通过以下方式支持我：

在进入“如果您愿意”阶段时，首先写下合同条款：所需输入、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改保持一致性。 将配置信息置于应用程序代码之外。环境文件、密钥存储和功能标志应集中存放，以便操作人员无需查看整个系统结构即可进行审计。 为每次调用记录工具名称、参数哈希值、延迟时间以及执行结果。没有这些记录，调试代理将陷入无止境的循环，浪费大量时间。

操作检查清单

在“操作检查清单”阶段，应在修改代码之前明确输入参数、该步骤的负责人以及退出标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏的状态。

将此阶段视为输入与经过验证的输出之间的契约。为相关成果命名，明确成功标准，绝不允许默默地仅完成部分任务。

在网关处进行身份验证，在数据层再次授权。仅凭承载令牌并不能界定租户边界。

在耗时较高的步骤之后设置检查点。当操作员重新尝试后续节点时，恢复流程不应再次计费相同的大型语言模型调用。

锁定依赖项的版本，并记录用于演示的镜像摘要。可重复性比经验知识更为重要。

同时记录正常流程与故障恢复流程。重试机制、人工审核环节以及死信处理都是产品的一部分，而非后续需要补充的内容。

在推广该技术栈之前，应先冻结版本，为关键流程记录标准输出日志，并明确回滚步骤。共享环境需要设置速率限制、租户验证机制，以及明确的密钥轮换负责人。与其展示花哨的一次性演示，不如注重扎实的可靠性。

a95f0d36f035的批量处理说明：不要将提供商密钥放入代码仓库，为每个会话设置令牌使用上限，并将日志存储在评估用示例文件旁边，以便后续模型更换时保持对比性。

针对强化安全性的第0阶段，在修改代码之前需明确输入参数、该步骤的负责人以及完成标准。操作人员应能够从已知的检查点重新运行该步骤，而无需猜测隐藏状态。相比庞大的脚本，更应优先使用小型且可测试的单元。当某个步骤失败时，故障原因应能明确指向单一责任模块，而非复杂的流程链。

强化措施细节 0/816：为该笔记记录运行时间、错误类型以及代币消耗情况，然后依据固定的问题清单而非个人经验来判断是否保留该变更。

在处理强化措施笔记的第一阶段时，首先写下合约的必要输入参数、成功信号以及部分失败时的处理方式。这样的检查清单能确保后续的代码修改更加规范。 在功能结果旁记录时间以及代币或查询成本。提前明确成本有助于避免从演示环境过渡到共享环境时出现意外费用。

强化措施细节 1/816：为该笔记记录运行时间、错误类型以及代币消耗情况，然后依据固定的问题清单而非个人经验来判断是否保留该变更。

在将加固措施视为可测量的表面时，第二阶段的效果最佳。在扩大范围之前，需记录一份理想的运行日志、一个故障案例以及回滚说明。同时记录正常流程与恢复流程。重试机制、人工审核环节以及错误处理都属于产品本身的功能，而非后续需要补充的内容。

加固细节2/816：针对此条说明，需测量处理时间、错误类型以及令牌消耗情况，然后依据固定的问题清单而非个人经验来判断是否保留该变更。

对于加固措施的三阶段，应在修改代码之前明确输入参数、该步骤的负责人以及完成标准。操作人员应能够从已知的检查点重新执行该步骤，而无需猜测隐藏状态。应将此阶段视为输入参数与验证后输出结果之间的契约，为相关成果命名、定义成功检测标准，并拒绝默许的半完成状态。

强化细节 3/816：测量该笔记的运行时间、错误类型以及令牌消耗情况，然后依据固定的问题集而非个别案例来决定是否保留该变更。