Лимит шагов AI-агента: как отличить полезный поиск от бесконечного цикла
Агент может по кругу уточнять запрос, искать документ и снова менять формулировку. Каждый отдельный шаг выглядит разумно, но общий результат не приближается. Одного ограничения числа сообщений недостаточно: один вызов инструмента может быть дороже нескольких коротких рассуждений.
Задайте бюджет по нескольким измерениям: число шагов, внешние вызовы, время и расход. Отдельно определите состояние завершения и полезный ответ при исчерпании бюджета.
Сценарий и ожидаемое поведение
Данные ниже вымышлены: они показывают способ разбора, а не измерения действующего сервиса.
| Шаг | Наблюдение | Следующее решение |
|---|---|---|
| Первый поиск | Найден общий документ | Уточнить ограничение |
| Второй поиск | Тот же документ | Проверить новое основание |
| Третий поиск | Снова тот же документ | Остановить цикл или спросить пользователя |
Повторение документа не всегда означает ошибку: агент мог искать другой пункт той же инструкции. Поэтому сравнивайте не только идентификаторы, но и новое основание для решения. Нужен критерий прогресса, связанный с задачей: заполненный обязательный параметр, проверенное условие либо готовый артефакт.
При остановке полезно показать, что проверено и чего не хватает. Фраза «лимит исчерпан» без контекста оставляет пользователю ту же задачу.
Проверочный протокол
Соберите тесты с недоступным источником, противоречивыми условиями и нерешаемым запросом. Зафиксируйте ожидаемый маршрут завершения. Проверьте, что каждый новый запуск не обнуляет общий бюджет незаметно для пользователя.
В журнале сохраните причину каждого дополнительного шага и достигнутый прогресс. Отдельно считайте автоматические повторы транспорта, чтобы они не прятались внутри одного логического вызова. Для дорогих инструментов задайте собственную квоту. Если агент просит продолжить работу, покажите понятное основание, а не автоматически наращивайте лимиты.
Когда нужна другая схема
Жёсткий маленький лимит может обрывать сложные корректные задачи. Его выбирают по распределению реальных сценариев и риску, а не по универсальному числу. Бюджет ограничивает ущерб, но не доказывает качество результата.
Явный workflow помогает задавать переходы и окончания; критерий прогресса определяется конкретной задачей. Официальная документация помогает уточнить технический механизм; предложенный диагностический протокол — наш учебный пример.
Если хотите связать этот разбор с системной практикой, посмотрите программу AI Agents PRO на Latorn: она охватывает граф состояний, инструменты, надёжность и эксплуатацию агентов. Перед оплатой сопоставьте требования курса со своим опытом и задачей проекта.
Следующий шаг: AI-агенты в приложениях: состояние, инструменты и сбои. По смежным вопросам: Как остановить AI-агента, если пользователь отменил задачу, Устаревший ответ инструмента AI-агента: как не перезаписать новое решение.
