Agent死循环了怎么办？

如果你的 Agent 死循环了，第一反应是"加个最大迭代次数"，那这篇可能会给你一些帮助。

大多数循环不是工具调用失败——是终止条件没设计对。下面三个反模式出现的频率最高。

反模式 1：用字符串匹配代替语义判断

验证 Agent 路由函数用正则"is_pass": true匹配模型输出里有没有这个字符串——只要匹配上就跳出循环。这个反模式会导致死循环。

触发原因是模型输出前面有一段"参考文本"，里面恰好也包含一个{"is_pass": true, ...}的 JSON 块。路由函数截到了前面那块，判为通过；模型又生成一段包含is_pass: false的真实判断，路由函数又判为不通过。Agent 在两个状态之间反复横跳，跑多少次都没收敛。

更隐蔽的同类问题是：用正则匹配模型输出里的 JSON 字符串，然后塞给路由函数。我自己在第一次做 ReAct Agent 的时候就这么干过——"匹配第一个{到最后一个}的内容"看起来很稳，但模型经常在前面加"好的，结果如下："或者输出里夹杂嵌套 JSON。

修复的方向很明确：用 Pydantic 解析 + 字段值判断。先json.loads再读is_pass字段值；Pydantic 解析失败的统一走兜底分支（重试或熔断），绝不能让字符串匹配当路由依据。

反模式 2：单 Agent 步数限制 ≠ 跨 Agent 总步数

在mutil-agent架构中，每个sub Agent 都设了最大迭代次数50，看起来很安全。但 A2A 协议下 A → B → C 的递归调用不共享步数计数器——系统实际跑了 150 步还没收敛。

多 Agent 协作下，最大迭代次数膨胀了。修复方式是在 Agent 逻辑之外记录总步数、总 token、总 API 成本，任一指标超阈值就熔断整个调用链。

LangChain AgentExecutor 提供一个更朴素的实现：early_stopping_method="force"强制停止（不是让 LLM 自己决定停止）。这个配置项我每次写 Agent 都会设——它的作用是"达到最大迭代次数后不再让 LLM 做决定，直接抛出超时错误"，避免 LLM 在最后一刻自我赦免继续调用。

但这只解决单 Agent 内的步数。跨 Agent 的真正解法是Budget Circuit Breaker——一个独立于 Agent 进程之外的、无法被业务代码绕过的成本边界（比如按美元计费或者按 token 计费）。

反模式 3：只用结构检测，不用信息增益检测

IBM 团队 ICPE 2026 论文把"循环检测"分成三类：

• 结构检测（"当前 action 字符串是否等于上一个"）：F1 0.08。几乎没用。

• 语义检测（"当前 action 的 embedding 与前 N 个 action 的相似度"）：F1 0.28。

• 混合检测（结构 + 语义 + 状态哈希）：F1 0.72。

结构检测为什么这么差？因为 Agent 经常在"看似不同实则相同"的工具间反复横跳——比如web_search("Cybertruck 续航")→web_search("Cybertruck 电池容量")→web_search("Cybertruck range")，三个 action 字符串完全不同，但语义上都在搜索同一个东西。结构检测一个都抓不到。

更主要的问题是"信息熵没变化"——Agent 调了工具、得到了结果，但这个结果对最终答案没有任何信息增益（工具结果没有任何作用）。这种循环从结构上看完全合法，但本质上是空转。

为了解决这个问题，我们可以利用以下三层来做循环检测：

1. 动作 key 哈希（结构层）：f"{tool_name}:{json.dumps(params, sort_keys=True)}"，用 deque 保留最近 5 步。5 步全等 → 死循环。

2. 状态哈希（语义层）：把当前 message 列表做 hash 跟上一轮对比。一致 → 空转，强制终止。这一层比动作哈希更宽松但更准。

3. LLM 自身反思（语义层兜底）：每 5 步问一次 LLM"你觉得自己是不是在循环？"，让 LLM 自己判断。但 LLM 这层不可靠，必须有上面两层兜底。

用deque(maxlen=5)加动作哈希是最小实现，能盖住 60% 场景。剩下 40% 要靠状态哈希 + LLM 反思。

推荐做法

1. always 设early_stopping_method="force"。超过了阈值直接熔断

2. 路由函数用 Pydantic 解析 + 字段判断。不要用字符串匹配、不要用正则截取 JSON。这条单独写进团队的 code review checklist。

3. 加 Budget Circuit Breaker。熔断逻辑放在 Agent 进程之外，监控告警不能当拦截。

4. 动作哈希 + 状态哈希双层循环检测。结构检测 F1 太低，单用没用。

5. log every iteration。Agent 死循环的事故复盘 90% 的价值来自日志——能看清每一步的 action、参数、返回结果。