在 Agent（智能体）架构中，“无限循环”通常表现为 Agent 重复执行相同的动作、陷入思维死胡同、或者在两个步骤之间反复横跳。这不仅浪费 Token 成本，还会导致任务失败。 要解决这个问题，需要从系统工程（System Engineering）、提示词工程（Prompt Engineering）和模型策略（Model Strategy）三个层面构建多重防御机制。 以下是具体的解决方案： 1. 系统层面的硬限制（Hard Constraints） 这是最基础的“熔断机制”，用于防止失控。 最大迭代次数（Max Iterations/Steps）： 设定一个 Agent 执行任务的最大步数（例如 10 步或 20 步）。一旦达到限制，强制停止并返回当前的最佳结果或错误信息。 代码逻辑示例： 超时机制（Timeouts）： 设定整个任务的执行时间上限。 Token 消耗上限： 防止 Agent 在循环中消耗过多的 API 预算。 2. 状态监测与循环检测（State Monitoring） 让系统“意识到”自己正在重复。 历史动作去重（Action Deduplication）...
播面