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。

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。