一、用 Agent Loop 持续推进任务
用户要求修复登录 Bug 并运行测试时,Coding Agent 可能要读项目、搜代码、分析、规划、改文件、运行测试、核验、再修改并交付。一次模型调用无法覆盖完整过程。Agent Loop 在每一步获得新结果,再推进到预先定义的完成条件。
二、ReAct 与 Plan-and-Execute
ReAct(Reasoning and Acting)交替使用观察、判断与工具动作,再用返回结果更新观察。它适用于需要边探索边决定的问题,易于调整方向,但调用量可能增加,也可能重复调用或陷入局部最优。 ReAct 论文
Plan-and-Execute 先提出可审阅计划,再执行。登录示例可分为检查项目结构、定位登录模块、分析原因、修改文件、运行测试和验证结果六步。这适合依赖清楚且需要管理进度或审批的任务。初始信息不足时要能重规划。可以先做整体计划,每步里使用有界 ReAct。
三、八步执行循环与完成条件
- 读取当前任务状态。
- 按预算组装上下文。
- 调用模型生成结构化决策。
- 校验决策及工具权限。
- 执行工具或等待审批。
- 保存工具观察结果。
- 判断是否满足完成条件。
- 尚未完成时继续或重规划。
用可回查的产物和执行记录核验完成状态。模型说 Bug 已修复时,仍要查文件是否变更、测试是否执行且通过、修改是否写回用户项目。
四、避免循环停滞的五种机制
- 预算。同时限制轮数、Token、费用、耗时和单工具调用次数。
- 重复检测。用
tool_name + canonical_args + relevant_state生成指纹。相同指纹连续出现,期间无观察或状态变化,提示重复执行。 - 进展检测。观察新证据、Diff、测试结果或状态变化。无进展时复查、重规划、降级或人工介入。
- 错误分类。参数错误、权限错误、临时网络错误分别处理。
- 安全终止。预算耗尽、用户取消、拒批和不可恢复错误各有明确终止状态。
五、LangGraph 的 State、Node、Edge 和 Checkpointer
- State 保存消息、计划、工具结果、审批、错误和预算等运行状态。
- Node 执行一次可测试的状态变换,例如上下文组装、模型调用、工具准备与执行、结果核验。
- Edge 决定节点如何流转。条件边可继续、等审批、进入失败分支或结束。
- Checkpointer 保存图的运行位置及恢复所需状态,供重启或人工中断后恢复。 LangGraph 持久化
六、Checkpoint、业务数据库与执行 Journal
流程状态回答图走到哪里,业务状态由 PostgreSQL 保存任务、审批、工具调用和业务事件,执行器或外部工具的 Journal 记录文件操作、命令及副作用回执。
若本地命令已改文件,但网络中断导致回执没到,Checkpoint 可能仍显示节点未完成,业务表只记录已开始,Journal 却已有真实结果。恢复前先对照执行状态,直接重跑可能产生重复副作用。
七、把人工审批保存为业务状态
进程内 Promise 无法跨重启保留审批。持久化流程可以这样设计。
- Agent 提出高风险操作。
- 保存操作类型、目标、参数、Diff、证据及策略版本。
- 将任务写入
waiting_approval。 - Worker 释放执行资源。
- 用户批准、驳回或修改提案。
- 保存审批事件。
- Worker 重新认领任务。
- 执行前重验授权、文件版本、参数哈希和策略版本。
许可只覆盖该提案。文件或提案版本变化时应重新审批。LangGraph 还会在恢复中断时从所在节点开头重跑节点函数,中断前的副作用需要相应保护。 LangGraph 中断
八、幂等、重试与 Exactly Once
支付完成但响应超时,是状态未知的典型例子,直接重试可能重复扣款。请求幂等避免重复提交,节点幂等避免节点重复产生结果,外部副作用幂等避免业务操作重复执行。
用 request_id、run_id、step_id 和 command_id 给操作稳定标识。回执缺失时先查询外部状态或执行 Journal,仍无法确认就进入 outcome_unknown。跨模型、数据库、文件系统和外部服务,工程上更可行的是至少一次调度、业务幂等、执行回执和未知结果核验。
九、取消与 Replay
取消的流程是 running → cancelling → 停止创建新步骤 → 请求取消在途任务 → 核验副作用 → cancelled。发生过的副作用需要单独处理,无法确认时保留 outcome_unknown。
Replay 用保存的工具参数和结果重跑模型或策略节点,排查差异来自模型版本、Prompt、工具 Schema、检索结果还是策略。真实工具可能再次扣费、提交或覆盖文件。
十、面试题
- ReAct 和 Plan-and-Execute 各适合什么?
- 怎样防止 Agent Loop 陷入死循环?
- State、Node、Edge、Checkpointer 分别有什么用?
- 为什么 Checkpoint 无法替代业务库?
- 服务重启以后如何恢复?
- HITL 审批如何持久化?
- 执行成功但回执丢失怎么办?
- 为什么跨系统不承诺全局 Exactly Once?
- 取消后怎样处理副作用?
- Replay 为什么要冻结工具结果?
回答时交代每次运行的状态、执行边界、失败语义和恢复路径。