“核心只有几百行”可以说明代码规模却不能说明Agent可靠。只要状态转移、停止条件和外部副作用没有说清短代码照样会重复创建分支、无限修补或者把没有完成的任务返回成成功。我更在意一个新维护者能不能沿着日志找到它为什么停下。Claude平台10月9日公布动态工作流beta说明多阶段任务正在得到更明确的执行载体。对轻量框架而言这并不意味着马上重写成多Agent平台先区分固定流程和模型决策通常更能减少调试范围。把停止条件放到循环外面审视一次循环至少需要目标、当前状态、剩余预算和结果证据。完成应由可检查的条件决定例如产物存在且校验通过“模型说已经完成”只能作为候选信号。预算不只有step数还包括时间、费用和写操作次数。这里先用步数演示不能把它理解成对所有资源都已经限流。状态名应该对应可观察动作图中的PLAN、EXECUTE、VERIFY和REPAIR分别有输入输出。执行失败进入修复验证通过进入DONE预算耗尽进入STOP。生产代码还应区分用户取消、需要人工判断和运行错误避免一个failed状态承载所有原因。用固定决策验证循环而不是假装调用模型代码中的decisions是预先给定的测试输入不是语言模型返回。它让我们稳定地检查终止路径、未知动作拒绝和步数耗尽。保存为example.mjs后运行node example.mjs。import assert from node:assert/strict; function run(decisions, maxSteps) { if (!Number.isInteger(maxSteps) || maxSteps 1) throw Error(invalid_budget); const trace []; for (let step 0; step maxSteps; step) { const action decisions[step] ?? wait; if (![work, done, wait].includes(action)) throw Error(unknown_action); trace.push(action); if (action done) return {status:done, trace}; } return {status:budget_exhausted, trace}; } assert.deepEqual(run([work,done],3), {status:done,trace:[work,done]}); assert.equal(run([work,work],2).status, budget_exhausted); assert.throws(() run([delete_everything],2), /unknown_action/); assert.throws(() run([],0), /invalid_budget/); console.log(bounded loop: ok);本地运行输出bounded loop: ok小内核也需要清楚的扩展缝隙模型适配器负责把返回内容解析成动作工具执行器负责权限与幂等循环只编排状态。把三者分开之后替换模型不必同时修改持久化和日志。反过来如果任务流程本来固定用普通工作流函数会比让模型猜下一步更直接。我不会用一次离线断言去推导镜像减少多少、冷启动快多少。要比较运行时需要相同任务、版本、硬件与采样方法本文没有这些基准材料。适用范围与未测部分这是控制流测试未接真实模型、工具执行或持久化没有测量生产成功率和性能。控制流约束仍需在真实工具接入后继续验证。参考资料Claude Platform release notes2026-10-22Investigating unintended model actions2026-10-09
“核心只有几百行”可以说明代码规模却不能说明Agent可靠。只要状态转移、停止条件和外部副作用没有说清短代码照样会重复创建分支、无限修补或者把没有完成的任务返回成成功。我更在意一个新维护者能不能沿着日志找到它为什么停下。Claude平台10月9日公布动态工作流beta说明多阶段任务正在得到更明确的执行载体。对轻量框架而言这并不意味着马上重写成多Agent平台先区分固定流程和模型决策通常更能减少调试范围。把停止条件放到循环外面审视一次循环至少需要目标、当前状态、剩余预算和结果证据。完成应由可检查的条件决定例如产物存在且校验通过“模型说已经完成”只能作为候选信号。预算不只有step数还包括时间、费用和写操作次数。这里先用步数演示不能把它理解成对所有资源都已经限流。状态名应该对应可观察动作图中的PLAN、EXECUTE、VERIFY和REPAIR分别有输入输出。执行失败进入修复验证通过进入DONE预算耗尽进入STOP。生产代码还应区分用户取消、需要人工判断和运行错误避免一个failed状态承载所有原因。用固定决策验证循环而不是假装调用模型代码中的decisions是预先给定的测试输入不是语言模型返回。它让我们稳定地检查终止路径、未知动作拒绝和步数耗尽。保存为example.mjs后运行node example.mjs。import assert from node:assert/strict; function run(decisions, maxSteps) { if (!Number.isInteger(maxSteps) || maxSteps 1) throw Error(invalid_budget); const trace []; for (let step 0; step maxSteps; step) { const action decisions[step] ?? wait; if (![work, done, wait].includes(action)) throw Error(unknown_action); trace.push(action); if (action done) return {status:done, trace}; } return {status:budget_exhausted, trace}; } assert.deepEqual(run([work,done],3), {status:done,trace:[work,done]}); assert.equal(run([work,work],2).status, budget_exhausted); assert.throws(() run([delete_everything],2), /unknown_action/); assert.throws(() run([],0), /invalid_budget/); console.log(bounded loop: ok);本地运行输出bounded loop: ok小内核也需要清楚的扩展缝隙模型适配器负责把返回内容解析成动作工具执行器负责权限与幂等循环只编排状态。把三者分开之后替换模型不必同时修改持久化和日志。反过来如果任务流程本来固定用普通工作流函数会比让模型猜下一步更直接。我不会用一次离线断言去推导镜像减少多少、冷启动快多少。要比较运行时需要相同任务、版本、硬件与采样方法本文没有这些基准材料。适用范围与未测部分这是控制流测试未接真实模型、工具执行或持久化没有测量生产成功率和性能。控制流约束仍需在真实工具接入后继续验证。参考资料Claude Platform release notes2026-10-22Investigating unintended model actions2026-10-09
