AI Agent / 系统课时

实现任务终止条件

实现任务终止条件

本节解决 Agent Runtime 无法准确结束任务的问题,通过设计明确的终止状态,让系统区分成功完成、主动停止、错误失败和预算耗尽,最终形成可观测、可维护的任务生命周期管理机制。

学习目标

  • 理解 Agent 任务结束状态的分类方式。
  • 掌握 Runtime 中终止条件的设计方法。
  • 能够实现统一的任务结果返回结构。

为什么需要明确终止条件

Agent 执行结束并不只有一种情况。任务可能已经完成,也可能因为用户取消、系统异常或资源限制被迫停止。

如果所有结束情况都返回一个简单的“失败”状态,上层系统无法判断下一步动作,例如是否重试、是否通知用户,或者是否保存中间结果。

设计任务状态模型

一个基础 Agent Runtime 可以定义以下终止状态:

状态 含义 后续处理
completed 任务成功完成 返回结果
stopped 主动停止 保存上下文
failed 执行异常失败 记录错误或重试
budget_exhausted 预算耗尽 调整限制或人工介入

这些状态应该成为 Runtime 和调用方之间稳定的协议。

实现统一终止判断

下面示例展示一个简单任务循环,根据不同条件返回不同状态。

python
from dataclasses import dataclass

@dataclass
class TaskResult:
    status: str
    message: str


def execute_task(task):
    while True:
        if task.user_cancelled:
            return TaskResult("stopped", "task cancelled by user")

        if task.steps >= task.max_steps:
            return TaskResult("budget_exhausted", "step limit reached")

        try:
            task.run_step()
        except Exception as error:
            return TaskResult("failed", str(error))

        if task.completed:
            return TaskResult("completed", "task finished")

预期输出

text
status=completed
message=task finished

不同结束路径都会通过统一结构返回,调用方不需要理解内部执行细节。

终止条件的执行顺序

终止判断顺序会影响系统行为。通常应该优先检查用户主动停止,其次检查安全预算,然后执行任务动作,最后判断业务完成。

原因是用户取消代表最高优先级意图,不能因为即将完成而继续执行;预算检查则用于保护系统资源。

Agent任务终止条件判断流程图

避免错误终止设计

常见错误是只依赖模型输出判断任务完成。模型可能错误声明完成,也可能遗漏必要步骤。

更可靠的方式是组合多个信号:业务校验结果、工具返回状态、用户确认以及运行预算共同决定任务是否结束。

另一个问题是终止后没有保存上下文。对于失败或预算耗尽的任务,保留执行轨迹可以帮助后续恢复或分析问题。

本课总结

  • Agent Runtime 需要使用明确状态区分不同结束原因。
  • 终止条件应该按照优先级执行,避免无意义继续运行。
  • 统一任务结果结构能够简化上层调用和故障处理。

下一课预告

下一课将继续完善 Agent Runtime 状态管理,让执行过程中的上下文、事件和结果能够被可靠记录。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

实现任务终止条件

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通