简介:本文讲解AI编程智能体持续运行循环的工作方式,包括禁止提前退出、强制持续工作等核心机制,并给出进度文件与验收清单模板。读者还能学会设置最大轮次、重试次数和成本上限,了解成本失控、无限循环、目标漂移和生产误操作四类风险的处置办法,从而在受控条件下安全使用这一方法。
持续运行循环机制是一种面向AI编程智能体(AI Coding Agent)的任务执行框架。AI编程智能体指能读写代码、运行命令,并根据结果调整操作的AI系统。在复杂开发任务中,这类智能体常在中途停止、请求确认,或报告任务无法完成。该机制通过外层控制逻辑,在验收标准未满足时阻止智能体结束任务,让它继续执行下一轮工作。
这一机制包含三个要素:
该机制的效果取决于任务类型、模型能力、工具权限和验收设计。在目标明确、可自动验证、权限受限的任务中,它可以让智能体连续工作更多轮次,减少人工逐步确认的次数。它不能保证任意任务都能自动完成。
持续运行循环不等于无人值守。人工仍要定义目标和验收标准,并在检查点查看结果。循环负责把工作推进到下一步,而判断成果能否交付仍由人来负责。
单轮对话的局限:传统使用方式中,开发者提出问题,智能体给出一次回答,任务随即结束。对于包含大量步骤的工程任务,单轮交互难以容纳全部上下文,也无法处理执行过程中出现的新问题。
中途放弃的常见表现:实际使用中,智能体常出现三类行为。任务过半时询问用户如何处理;遇到报错后直接建议人工处理;把未完成的代码标记为已完成。这类行为多源于模型在缺少外部约束时偏向保守。
人工监督成本:若每一步都需要人工确认,自动化带来的时间节省会明显减少。循环机制把监督方式从逐步确认改为事后验收:事先定义完成标准,智能体按标准自行推进,人工在检查点查看结果。这样做有望减少确认次数,但节省多少需要按项目实测确认次数与返工率。返工率升高时,节省的时间可能被抵消。
| 机制 | 控制器动作 | 失败信号 | 人工介入条件 |
|---|---|---|---|
| 禁止提前退出 | 完成条件未满足时拒绝结束任务 | 智能体声明完成但验收未通过 | 需要超出授权的操作、凭证或业务决策 |
| 强制持续工作 | 验收未通过则自动启动下一轮 | 同一报错重复出现 | 连续失败达到重试上限 |
| 状态持久化 | 每轮读写进度文件,保存已尝试方案 | 进度文件缺失或与代码状态不一致 | 进度文件记录的目标与任务书不符 |
| 检查点与暂停 | 到达检查点或触发边界条件时停止循环 | 超过轮次、成本或时间上限 | 每个检查点均需人工确认后继续 |
禁止提前退出。控制器在完成条件未满足时拒绝结束任务。智能体遇到障碍时,应尝试其他解决路径,并记录已尝试的方案。遇到超出授权范围的操作、缺少必要凭证或需要业务决策的情况时,控制器应暂停并请求人工处理,而不是让智能体自行绕过。
强制持续工作。只要验收标准未通过,循环就会驱动智能体进入下一轮,依次处理报错、补充测试、完善文档或调整结构。这种设计让智能体按目标推进,而不是等待下一次指令。
状态持久化。每一轮开始时,智能体读取进度文件,了解目标、已完成项和待办项。每一轮结束时,它更新进度文件,记录本轮的改动、测试结果和失败原因。即使上下文窗口被清空,下一轮仍能接续之前的工作。
检查点与暂停。检查点是人工验收的节点,例如完成一个模块、合并一次代码或部署到测试环境之前。到达检查点时,控制器停止循环并输出结果摘要。超过轮次、成本或时间上限时,控制器同样暂停。
完整流程如下:
适用场景:
不适用场景:
进度文件建议使用 Markdown 保存在仓库根目录,字段如下:
# 任务进度## 目标为订单模块补齐单元测试,覆盖率不低于80%,不修改公开接口。## 已完成- [x] 第1轮:为创建订单函数补充正常路径测试(测试通过)## 待办- [ ] 补充退款流程的异常分支测试## 阻塞- 支付回调测试需要测试环境密钥,等待人工提供## 尝试记录- 第2轮:尝试用mock替代支付网关,覆盖率提升但断言不完整,已回退- 第3轮:改为参数化测试,通过
验收清单分为三部分:
```markdown