汇总地图
这一页管什么: 把 survey/ 里 65 篇摘录汇总成一张能拿去做设计的表。
这是工作稿,给作者和 agent 用;给人读的是 lessons/。
前提已满足: 覆盖账本 386 源逐篇判过,relevant 65 个全部有摘录,pending 归零。
坐标轴
开题时列了四个决定。读完 65 篇之后,实际是六根轴——多出来的两根(轴 5、轴 6)不是细节, 是各家给出相反答案的地方。
| 轴 | 在决定什么 | 常见取值 | 有锚的源 |
|---|---|---|---|
| 1 这一轮喂什么 | 几段东西按什么顺序摆、长了怎么砍 | 顺序写死 / 插槽分类 · 全量贴回 / 只留最近 k / 摘要 / 落盘留取件号 / 逼它收尾 | 17 + 25 |
| 2 怎么认出它要调工具 | 走哪条通道把「我要调 X」传回来 | 厂商原生 / 自定义标签 / 代码围栏 / 让它写代码 / 结构化输出模拟 / 训进权重 / 不让它选(打分) | 30 |
| 3 怎么执行、结果怎么回填 | 能不能并发、用什么身份写回、回全量还是回变化 | 串行 / 五种并发判据 · 工具角色 / 伪装用户 / 自定义角色 · 全量 / 增量 · 裸回 / 带防伪边界 | 33 |
| 4 什么时候停 | 谁判定「干完了」、有哪几道硬闸 | 不再要工具 / 特殊完成工具 / 答案标签 / 外部裁判签字 · 轮数 / 墙钟 / 窗口 三闸 | 50 |
| 5 跑偏了怎么办 | 错误进不进历史 | 写进历史让它改 / 抹掉这一轮重来 / 边生成边打断 / 就地修 / 熔断 | 31 |
| 6 循环和状态在哪一层 | 谁拥有「转」这个动作、状态存在哪 | 循环自持 / 上层持有循环无状态 / 状态写进消息 / 服务端持有 / 核心里干脆没有循环 | 39 |
并发没有单列成轴——16 个源讲并发时讲的都是「结果按什么顺序、以什么形态回来」, 和回填是同一个决定,并进轴 3。
轴 1:这一轮喂什么
1A 顺序怎么排(被缓存绑死的那一半)
| 做法 | 代价 | 证据 |
|---|---|---|
| 段落顺序写死:稳定的在前、变的在后,稳定段末尾打缓存标记 | 加一类新内容要决定排在哪;排错不报错,只是账单变贵 | (依据:04-making-it-work/aider) |
| 硬编码七段装配顺序,提醒永远最后一条;自定义提示不进系统消息而做成用户消息 | 同上 | (依据:04-making-it-work/onyx) |
| 收敛成四个插槽(系统 / 首条用户之前 / 末条用户之后 / 每条用户之上),按「位置 → 后果」选 | 选错插槽不报错,只让缓存变差或信息过期 | (依据:04-making-it-work/lobehub) |
| 切成三段:永不改动的前缀 + 只追加的历史 + 永不进请求的便签,前缀命中约 98% | 便签这一层要额外维护 | (依据:04-making-it-work/whale) |
| 三层拼一次就冻住整场会话,连时间戳都只精确到天 | 会话中途学到的东西这一场用不上 | (依据:04-making-it-work/hermes-agent) |
| 每轮从磁盘重读重建——模型改了自己的设定下一句就生效 | 前缀每轮都变,缓存全废 | (依据:04-making-it-work/cowagent) |
位置为什么重要,有两份独立证据:
- 同一句指令换个位置,遵从率从九成掉到三成(工程笔记,非源码)(依据:04-making-it-work/onyx);
- 打乱信息组织(内容不变、只去掉标题层次),成功率下降超过三成(依据:04-making-it-work/shen-ru-li-jie-ai-agent);
- 机制解释:越靠末尾影响越大 + 中间最容易被略过 = 前中 段是个凹陷区(依据:04-making-it-work/prompt-engineering-for-llms)。
1B 长了怎么砍
| 做法 | 代价 | 证据 |
|---|---|---|
| 四道防线按代价递增:单结果治理 → 微压缩(不花模型钱) → 全量摘要 → 硬截断 | 阈值全是经验值 | (依据:04-making-it-work/dexter) |
| 六级处置,最便宜那道在工具内部(工具自己先截) | 同上 | (依据:04-making-it-work/hermes-agent) |
| 分级降级:剥二进制 → 剪旧调用 → 压工具输出 → 调模型摘要 | 同上 | (依据:04-making-it-work/browseros) |
| 不改原始历史,只做投影——窗口侧四道防线,存盘侧另治 | 要维护两套视图 | (依据:04-making-it-work/deepagents) |
| 窗口当内存、暂存文件当磁盘:压缩是从磁盘重组一份精简视图喂进内存 | 要配一条取回路径,否则预览就是纯损失 | (依据:04-making-it-work/dexter) |
| 大结果留在框架里,只把取件号喂给模型 | 模型要知道怎么取回 | (依据:04-making-it-work/griptape) |
| 有损压缩配一张带 hash 的取货单,模型想要就把原文换回来 | 取货单本身占地方 | (依据:04-making-it-work/headroom) |
| 超阈值不截历史,改写最后一条逼它用现有证据立刻交卷 | 答案不完整,但完整成句 | (依据:04-making-it-work/tongyi-deepresearch) |
| 两个布尔开关(对用户可见 / 对模型可见)——「历史里有」不等于「模型看得到」 | 所有产生消息的地方都要记得设 | (依据:04-making-it-work/goose) |
阴性格: 直接删历史消息被判成架构级错误——老消息躺在厂商缓存里读只要 0.1 倍钱, 删一条会让它后面所有缓存作废、按 1.25 倍重写(依据:04-making-it-work/headroom)。
轴 2:怎么认出它要调工具
| 通道 | 怎么做 | 代价 | 证据 |
|---|---|---|---|
| 厂商原生 | 结构化字段直接读 | 绑一家的格式;不是所有模型都支持 | 多数源 |
| 自定义标签 | 四种文本标签,<tool_call> 里放参数 | 要自己设停止词、自己防它编造结果 | (依据:04-making-it-work/tongyi-deepresearch) |
| 代码围栏 | 每个工具认领一个围栏标签,「模型最会写的是代码块」 | 工具没有参数结构,没法校验 | (依据:04-making-it-work/agenticseek) |
| 让它写代码 | 一步的行动是一整段代码,一步内能连调多个工具 | 需要沙箱;复杂度挪进了环境 | (依据:04-making-it-work/smolagents) |
| 补丁文本 | 不用工具调用,在回复里夹一段约定格式的补丁 | 要处理分隔符冲突、缩进、解析报错 | (依据:04-making-it-work/aider) |
| 结构化输出模拟 | 厂商不支持强制调工具时,把可选工具编译成一个格式约束逼出合法调用 | 只在支持结构化输出的厂商上可用 | (依据:04-making-it-work/beeai-framework) |
| 文本协议降级 | 原生路径在运行时报「不支持」就当场切回文本 ReAct,不让整次执行失败 | 两条路都要维护 | (依据:04-making-it-work/crewai) |
| 方言层双向编解码 | 编进 / 解出纯文本流,上层完全看不出区别 | 十一套方言要跟着模型更新 | (依据:04-making-it-work/oh-my-pi) |
| 整副外壳伪装 | 系统提示 + 工具格式 + 走哪个协议,三样一起塑成模型最熟悉的样子 | 十五副外壳要维护 | (依据:04-making-it-work/open-interpreter) |
| 训进权重 | 五个控制标签是加进词表的真 token,提示里没有工具说明 | 换基座就得重训 | (依据:04-making-it-work/deepanalyze) |
| 不让它选 | 并发拿每个工具自带的判定说明去问模型「这个工具适不适合」,打分取高 | 工具数 × 一次模型调用 | (依据:04-making-it-work/nlweb) |
底层事实: 工具调用不是新机制,是「微调过的模型 + 接口层的语法糖」——工具定义最后还是 变成系统消息里的一段文字,要占词元预算(依据:04-making-it-work/prompt-engineering-for-llms)。
兜底: 模型不走标准通道时三层兜底(流式剥离 → 事后从文本里挖 → 整轮只允许兜底一次) (依据:04-making-it-work/onyx)。
轴 3:怎么执行、结果怎么回填
3A 一批调用能不能并发 —— 五种判据
| 判据 | 怎么判 | 证据 |
|---|---|---|
| 按动作类型硬分 | 写死哪类可并行 | (依据:04-making-it-work/openai-agents-js) |
| 按读写集合自动推 | 各自读写哪些状态键 → 分层拓扑排序 | (依据:04-making-it-work/haystack) |
| 工具自己声明只读 | 声明不准调度就不准 | (依据:04-making-it-work/nanobot) |
| 连续只读凑一批 | 遇到写就断批 | (依据:04-making-it-work/dexter) |
| 资源访问冲突模型 | 专门判定「两把访问算不算冲突」,并加一条不变量:发和收都按原顺序 | (依据:04-making-it-work/kimi-code) |
一条别家没明说的:并发执行不等于乱序回填。
3B 结果用什么身份写回
| 身份 | 理由 | 证据 |
|---|---|---|
| 专门的工具结果角色 + 调用 id 配对 | 主流;id 是配对的钥匙 | (依据:04-making-it-work/dong-shou-zuo-ai-agent) |
| 伪装成用户消息 | 不需要专门角色,任何最简陋的对话接口都能跑 | (依据:04-making-it-work/agenticseek) |
| 同上 | 拆解文档明确标注这是取舍 | (依据:04-making-it-work/tongyi-deepresearch) |
| 自定义角色 | 和五个标签配套训练出来的,换模型会渲染错 | (依据:04-making-it-work/deepanalyze) |
3C 回全量还是回变化
| 做法 | 代价 | 证据 |
|---|---|---|
| 只回两次快照的行级差异,动作工具自动附带这份差异 | 模型手上没有全貌;差异是有状态的 | (依据:04-making-it-work/browseros) |
| 执行函数只返回规范结构,再由三个纯函数分别投影给模型/界面/程序 | 要维护三套投影 | (依据:04-making-it-work/deepseek-harness) |
| 五步流水线:查表 → 校验入参 → 执行 → 校验出参 → 投影返回 | — | (依据:04-making-it-work/mcp-typescript-sdk) |
3D 外来内容要不要围起来
要,而且提示层不够: 所有把外来文本喂回模型的工具走同一个信任边界,用带每次随机口令 的标记围起来——页面预测不到口令,就伪造不出闭合标记(依据:04-making-it-work/browseros)。
协议侧的对应说法: 工具输出与被引用的文本默认「无权威」,里面的指令只能当信息看、 不能当命令执行(依据:04-making-it-work/openai-model-spec)。
轴 4:什么时候停
4A 谁判定「干完了」
| 判据 | 代价 | 证据 |
|---|---|---|
| 这轮没要任何工具、也没有积压的用户输入 | 模型可能没干完就停(见轴 5) | (依据:04-making-it-work/codex) |
| 登记一个「特殊工具」,执行它的副作用就是把状态改成完成 | 模型可能忘了调 | (依据:04-making-it-work/openmanus) |
| 不硬编码工具名,看工具的一个属性 | 同上 | (依据:04-making-it-work/cline) |
| 忘了调就替它调:纯文本被兜底转成一次收工调用 | 掩盖「模型为什么没调」这个真问题 | (依据:04-making-it-work/beeai-framework) |
| 环境在输出里认出一个哨兵字符串——完成不由模型自称 | 要设计一个不会被误触的哨兵 | (依据:04-making-it-work/mini-swe-agent) |
| 真去执行、拿执行结果当裁判,失败原因变成下一轮输入 | 只适用于可重复、无副作用的动作 | (依据:04-making-it-work/db-gpt) |
| 让另一个模型看着逐条证据签字,签字文件不存在就不准结束 | 每次收工多一次模型调用 | (依据:04-making-it-work/webwright) |
| 抽成一个只看「已经跑过哪些步」的纯函数谓词,任一为真即停 | — | (依据:04-making-it-work/vercel-ai-sdk) |
一条底线:不能只信厂商给的「结束原因」——有些厂商在消息里明明有工具调用时也回「已停止」, 所以还要自己数一遍未完成的工具(依据:04-making-it-work/opencode)。
4B 硬闸
轮数上限(26 源提到)、墙钟上限、窗口上限。三者判据不同:
- 窗口上限的正确用法是留出交卷本身的预算——阈值定在窗口的 86% 而不是 100% (依据:04-making-it-work/tongyi-deepresearch);
- 轮数用光不报错,而是摘掉工具再问最后一次(依据:04-making-it-work/semantic-kernel);
- 预算耗尽时补一次「请总结」(依据:04-making-it-work/hermes-agent)。
4C 停止原因必须能说出名字
| 做法 | 证据 |
|---|---|
| 十三种出口,只有一种算正常;初值是「未知」,谁没覆盖就暴露出来 | (依据:04-making-it-work/hermes-agent) |
| 一轮一定带一个「为什么停了」的枚举收尾,五种取 值各有明确语义 | (依据:04-making-it-work/acp-agent-client-protocol) |
| 因让步而停时状态记为「成功」而非「暂停」——它是被设计地主动停的 | (依据:04-making-it-work/cherry-studio) |
| 停在半路时不发结束事件,前端据此知道要留着会话等结果 | (依据:04-making-it-work/agentscope) |
阴性格: 把「步数耗尽」也标成完成——它自己把这个缺陷诚实写了出来 (依据:04-making-it-work/fara)。
4D 反面:什么时候「不准停」
- 一个开关专管「禁止这轮收尾」,不控制任何具体工具(依据:04-making-it-work/beeai-framework);
- 模型没叫工具时不能简单结束:五道回合内纠正 + 一道跨回合续跑 (依据:04-making-it-work/kun);
- 「反思错误」——它确信自己完成了,实际没有(依据:04-making-it-work/ai-engineering)。
轴 5:跑偏了怎么办
这一轴的核心分歧:错误进不进历史。
| 做法 | 错误去哪 | 代价 | 证据 |
|---|---|---|---|
| 工具报错和参数非法都不抛异常,一律变成消息喂回模型让它自己改 | 进历史 | 历史会 堆一串失败版本 | (依据:04-making-it-work/cline) |
| 五关流水线「几乎不抛异常」——模型犯的任何错都变成一段文字告诉它错在哪 | 进历史 | 同上 | (依据:04-making-it-work/semantic-kernel) |
| 明确区分「工具业务失败」与「协议级问题」:前者包成带错误标记的正常结果,后者才抛 | 进历史 | — | (依据:04-making-it-work/mcp-typescript-sdk) |
| 所有失败收敛成同一个「反思消息」字段,最多三轮 | 进历史 | 失败原因被抹平 | (依据:04-making-it-work/aider) |
| 失败原因原样变成下一轮输入,而且失败本身也写进记忆 | 进历史 | — | (依据:04-making-it-work/db-gpt) |
| 四把尺子量完这一轮,亮红灯就把刚加的那条消息撤掉当没发生过 | 不进历史 | 这一轮的推理一起丢了 | (依据:04-making-it-work/mirothinker) |
| 边吐字边查规则,一犯规就中止、注入提醒、从这一轮起点重来 | 不进历史 | 打断得越晚越浪费,越早越易误判 | (依据:04-making-it-work/oh-my-pi) |
| 就地修:参数别名改名、补必填、从系统提示反解工具名 | 不进历史 | 只能修「信息全但拼错了」的 | (依据:04-making-it-work/mirothinker) |
| 模型幻觉出不存在的工具被当成一等状态,给了五种恢复动作 | 视动作而定 | — | (依据:04-making-it-work/rig) |
| 工具不存在时不报错也不停,回一段「你点的不存在,可用的是这些」当观察 | 进历史 | — | (依据:04-making-it-work/dong-shou-zuo-ai-agent) |
| 同参同工具分级熔断 | — | 阈值是经验值 | (依据:04-making-it-work/cowagent) |
| 复读检测两级(归一化后一致 / 二元组相似度≥0.85),抓到先注入恢复指令三次 | 进历史 | 阈值换语言要重调 | (依据:04-making-it-work/kun) |
| 工具出错后不只回滚副作用,还把历史里那条「成功」改写成「已回滚」 | 改写历史 | 违反「只追加」 | (依据:04-making-it-work/langchain4j) |
判据(我的判断,无锚): 两条路不冲突,按失败的性质分—— 信息型失败(命令报错、字段不存在)写进历史,模型据此改正; 格式型失败(写错格式、拒答、原地复读)抹掉重来,写进历史只会让它学坏。 如果错,会错在: 如果模型的格式错误是因为提示里有矛盾指令,那抹掉重来会无限重复同一个错—— 这时错误必须进历史,让它看见「你上次这么写不行」。
所有补救机制都要有自己的次数上限——连续回滚上限 5、压缩失败 3 次不再试、 兜底整轮只一次、反思最多三轮。四份材料独立撞上同一条。
轴 6:循环和状态在哪一层
| 做法 | 状态在哪 | 换机器接着跑? | 证据 |
|---|---|---|---|
| 循环无状态,每轮由外层新建一个 | 外层 | 否 | (依据:04-making-it-work/cline) |
| 带上限的 while + 只增不改的消息列表 + 一个状态字段,全部压进 196 行 | 循环自持 | 否 | (依据:04-making-it-work/openmanus) |
| 消息列表只增不改就是全部状态,约 100 行 | 循环自持 | 否 | (依据:04-making-it-work/mini-swe-agent) |
| 循环刻意不拥有会话、传输、权限界面、压缩执行,全靠回调借用 | 上层 | 否 | (依据:04-making-it-work/kimi-code) |
| 决策函数只读状态,返回三选一;人工确认/外部执行/中断全成可存盘状态 | 写进消息里 | 是 | (依据:04-making-it-work/agentscope) |
| 大脑只返回可序列化的指令,引擎只负责执行 | 一份可持久化的状态 | 是,而且能换执行面 | (依据:04-making-it-work/lobehub) |
| 完全不做 IO、可整个序列化存盘的状态机拥有全部决策 | 状态机内 | 是 | (依据:04-making-it-work/rig) |
| 一次运行的状态能整个存成字符串再还原,人点同意后跨进程续跑 | 可序列化快照 | 是 | (依据:04-making-it-work/openai-agents-js) |
| 历史在服务端,客户端只发增量;关掉终端再开,待批准的调用还在 | 服务端 | 是,换机器也行 | (依据:04-making-it-work/letta-code) |
| 核心里根本没有转圈的循环,转圈职责交给入口层 | 入口层 | 否 | (依据:04-making-it-work/qwen-code) |
| 只留一条只能追加的事件日志当唯一事实,消息数组是从它投影出来的 | 事件日志 | 是 | (依据:04-making-it-work/deepseek-harness) |
| 双层循环:内层管「还有工具要跑」,外层管「本该停了但有人排 队追问」 | 分层 | 否 | (依据:04-making-it-work/pi) |
| 超步模型:一批一批跑、每批末尾一道同步栅栏,版本号同时解决「跑谁/到哪/崩了从哪续」 | 版本号 + 检查点 | 是 | (依据:04-making-it-work/langgraph) |
三层嵌套的命名(回合 / 步 / 批次),各对应一个函数边界 (依据:04-making-it-work/kimi-code);另一份把它分成「往返 / 回合 / 交互」三级 (依据:04-making-it-work/qwen-code)。
跨家共识(融会贯通的部分,可以直接抄)
出身完全不同的几家撞在同一个答案上——这八条不用再想。
| # | 共识 | 撞上的源 |
|---|---|---|
| 1 | 调用与结果必须配对,历史里不能留「有调用没结果」的孤儿 | cowagent / agentscope / goose / qwen-code / nanobot / langchain4j / mcp-typescript-sdk |
| 2 | 每轮都变的东西不能进前缀,只能追加在末尾 | kun / agentscope / nanobot / hermes-agent / aider / whale |
| 3 | 工具报错不抛异常,变成一段话喂回模型 | cline / semantic-kernel / mcp-typescript-sdk / dong-shou-zuo-ai-agent / mini-swe-agent |
| 4 | 压缩是一条按代价排序的阶梯,先便宜后贵 | dexter / hermes-agent / browseros / cherry-studio / deepagents |
| 5 | 大结果落盘,只把取件号喂给模型 | dexter / griptape / headroom / hermes-agent / qwen-code / agentscope |
| 6 | 停止原因必须能说出名字,异常停不能混进正常停 | hermes-agent / acp-agent-client-protocol / kun / agentscope / cherry-studio(fara 是反例) |
| 7 | 格式要顺着模型的训练分布,不是顺着我们的审美 | aider / oh-my-pi / open-interpreter / prompt-engineering-for-llms |
| 8 | 工具多了要按需披露,不要一次全塞 | cherry-studio / qwen-code / whale / agent-skills-spec / hermes-agent / shen-ru-li-jie-ai-agent |
共识 3 的深化版:给模型的错误信息应该是一条修改指令,不是一句故障描述 (依据:04-making-it-work/agenticseek)。
分歧(我们真要选的地方)
| # | 分歧 | 一边 | 另一边 | 判据 |
|---|---|---|---|---|
| 1 | 系统提示冻不冻 | 拼一次冻住整场(hermes-agent) | 每轮从磁盘重建(cowagent) | 你更在乎「模型立刻看到最新状态」还是「账单」 |
| 2 | 错误进不进历史 | 写进去让它改(cline / db-gpt / aider) | 抹掉重来(mirothinker / oh-my-pi) | 失败是信息型还是格式型 |
| 3 | 结果用什么身份回填 | 专门的工具角色(主流) | 伪装用户(agenticseek / tongyi) | 接口支不支持专门角色 |
| 4 | 循环在哪一层 | 自持(openmanus / mini-swe-agent) | 上层持 / 服务端持 / 干脆没有(kimi-code / letta-code / qwen-code) | 要不要「换机器接着跑」 |
| 5 | 谁判定干完了 | 模型说了算(codex / vercel-ai-sdk) | 外部裁判说了算(db-gpt / webwright / mini-swe-agent) | 有没有可自动判定的成功信号 |
| 6 | 并发按什么判 | 五种判据各有拥趸 | — | 工具能不能可靠声明自己碰什么 |
空白格(没人做过,创新入口)
| # | 空白 | 谁点到了但没做 |
|---|---|---|
| 1 | 由「它没把握」触发的停下来问人 —— 见下面的澄清 | (依据:04-making-it-work/langgraph-blueprint) |
| 2 | 第二个模型全程旁观、随时插话纠偏 | 只有一家(依据:04-making-it-work/oh-my-pi) |
| 3 | 最终答案里每个数的溯源——「这个数是哪一步产生的」 | 病症被点出(工具没背书的数进了答案),没人做检查(依据:04-making-it-work/hands-on-large-language-models) |
| 4 | 「它以为自己做完了」的自动检测 | 被命名、被定义成可数指标,但没有自动检出办法(依据:04-making-it-work/ai-engineering) |
澄清空白格 1:人机协同到处都是,空的是它的触发条件
第一版这一格写成「没人做主动问人」,措辞不准——人机协同(HITL)在 65 篇里至少八家做了。 空的不是「问不问人」,是「谁来决定该问」。
各家的触发条件,逐条核过:
| 出处 | 触发条件 | 谁定的 |
|---|---|---|
| (依据:04-making-it-work/goose) | 五个检查器按注册顺序跑,裁决三选一 | 我们注册的规则 |
| (依据:04-making-it-work/letta-code) | 工具被标了「需要批准」 | 工具的属性 |
| (依据:04-making-it-work/dexter) | 写操作过权限闸门;跑命令用默认拒绝的三步判定 | 按操作类型 |
| (依据:04-making-it-work/langgraph) | 静态断点:在指定节点前后停 | 我们预先指定的位置 |
| (依据:04-making-it-work/openai-agents-js) | 先查这个调用批没批过,没批就不执行 | 查表 |
| (依据:04-making-it-work/cherry-studio) | 审批门工具永不被折叠 | 工具的属性 |
| (依据:04-making-it-work/agentscope) | 权限判定要求确认,状态转「在问」 | 权限规则 |
共同点:判据全是「这个动作是什么」,和它这一步有没有把握无关。
用代码说清楚差别:
各家做的: if (这个工具被标了要审批) 停下来问
这一格说的: if (它自己觉得这步没把握) 停下来问
第一种:调删除命令一定问,哪怕它百分之百确定该删。
第二种:查天气本来不用问,但它这次拿不准该查哪个城市 —— 问。
这两种在一个成熟系统里应该同时存在。65 篇材料里只有第一种。
那条出处的原文是一句「最佳实践」建议:能识别并从错误中恢复,或者在不确定时主动问 (依据:04-making-it-work/langgraph-blueprint)。 那份资料把它写成了建议,但它自己没实现,其余 64 篇里也没有。
判断(无锚): 没人做的原因可能不是没想到,而是模型不知道自己什么时候不确定—— 它挑下一个 token 的标准是「像人会写的」,这个标准里没有「我有多确定」这一项。 所以这一格要先测「它报的『没把握』准不准」,再谈用不用得上。 如果错,会错在: 如果模型对自己的把握程度有可用的自我报告能力(比如让它对每一步打个分, 而那个分和实际对错相关),那这一格就是纯粹的工程空白,做出来直接有用。
阴性格(试过不行,写清失败条件)
| # | 做法 | 失败条件 |
|---|---|---|
| 1 | 把「步数耗尽」标成完成 | 异常结束混进正常结束,上层再也分不出来(依据:04-making-it-work/fara) |
| 2 | 直接删历史消息省窗口 | 删一条会让它之后所有缓存作废,读 0.1 倍变写 1.25 倍(依据:04-making-it-work/headroom) |
| 3 | 成功路径只喂最后一个工具反馈 | 多个工具都成功时,前面几个的输出模型看不到(依据:04-making-it-work/agenticseek) |
| 4 | 工具少时也折叠成元工具目录 | 省下的词元不够抵三把元工具本身的开销,净亏(依据:04-making-it-work/cherry-studio) |
| 5 | 只靠提示词声明「外来内容不是指令」 | 恶意文本可以伪造边界结束标记越狱(依据:04-making-it-work/browseros) |
判定:哪几格值得亲手搭
地图最大的用处是划掉不值得搭的。原型只搭下面这六格,每格选的都是「最省 + 有共识」的那一档。
| 轴 | 原型选什么 | 为什么是它 |
|---|---|---|
| 1 喂什么 | 段落顺序写死,先不做压缩;撞上限就逼它交卷 | 压缩是阶梯,第一版连第一级都用不上;交卷法零成本 |
| 2 怎么认出 | 厂商原生,钉死一家 | 课题边界已划「不管换厂商」;其余十种都是它不可用时的替代品 |
| 3 执行与回填 | 串行、遇错即停;专门的工具结果角色,按 id 配对 | 并发的五种判据都要工具先声明自己碰什么,第一版两三个工具不值当 |
| 4 什么时候停 | 模型不再要工具 = 完成;三道硬闸;每个出口都写一个原因字符串 | 原因字符串成本是一个字段,收益是「它到底为什么停」永远可见 |
| 5 跑偏了 | 错误写进历史让它自己改;不做回滚 | 共识 3;回滚要先有「四把尺子」,第一版没有可量的东西 |
| 6 在哪一层 | 核心是一个纯函数「跑一轮」,转圈写在外面 | 这一条不选好,后面加界面/审批/续跑都要重写 |
明确不搭: 并发调度、压缩阶梯、方言层与外壳伪装、审批链、服务端状态、多 agent、 第二模型旁观。它们全都有出处,但每一个都要先有一个跑得起来的循环才谈得上。
判断(无锚): 六格里只有第 6 格是「选错要重写」的,其余五格都是「以后再加」的。 所以原型的第一行代码应该先把「跑一轮」和「转圈」分开,别的都可以糊。 如果错,会错在: 如果第一版从头到尾只跑一个固定任务、跑完就丢,那分层是纯负担, 一个二十行的 while 更快看到结果。