Agent 跑到 20 轮失控，核心根源不是模型能力弱或者 Prompt 写得不好，而是多轮循环没有确定性的外部控制层，单步模型的概率错误在链式执行里持续累积，上下文不断膨胀、目标丢失、动作来回震荡，哪怕换成更强的模型，依然会出现这类失控；面试官这句话的考察重点，是区分原型玩法和生产级 Agent 架构，要求把终止判断、循环检测、状态治理、熔断降级全部放到代码侧的调度层，而不是交给大模型自己决定什么时候停下来，整套方案分为四层防护：硬阈值兜底、重复动作指纹检测、状态机与进度校验、上下文治理，失控之后还要有回退、人工接管、子任务切分的兜底策略，下面从失控原因、分层方案、落地流程、面试标准回答完整梳理。
一、Agent 跑到 20 轮失控的常见根因
| 根因 | 现象说明 |
|---|---|
| 缺少外部终止判定 | 只靠模型自己判断是否完成，模型容易忘记原始目标，一直循环调用工具 |
| 动作震荡、重复重试 | 相同 / 相似工具参数反复调用，报错之后无脑重试，没有换策略机制 |
| 上下文膨胀失真 | 每一轮都追加日志，到 20 轮之后有效信息被淹没，注意力偏移，目标漂移 |
| 子任务没有收敛校验 | 大任务没有拆成可校验子目标，每一步没有进度校验，只累计轮次 |
| 没有独立监控层 | 调度完全交给 LLM，程序侧只做转发，不感知动作是否带来有效进展 |
二、四层工程防护方案（面试优先讲这套）
1. 硬阈值兜底防护（第一层，保底）
不是只设置一个最大 20 轮的轮次上限，要做多维度硬限制，全部由调度代码控制，和模型无关：
- 轮次上限：全局最大步数，到达阈值强制暂停，而不是直接报错；
- Token 上限：单任务总消耗 token 阈值，防止长循环无限烧 token；
- 执行超时：给整个 Agent 任务设置超时时间，超时触发熔断；
- 单工具重试上限：同一个工具最多连续重试 N 次，重试之后强制换方案，禁止无脑重复调用。
2. 动作指纹 + 相似度循环检测（第二层，识别假进展）
每一轮生成动作指纹，指纹包含工具名称、入参、返回结果，做相似度计算：
- 记录最近 N 轮的动作指纹，连续多次出现高度相似动作，判定进入死循环；
- 区分两种情况：完全重复调用、交替震荡调用（A→B→A→B）；
- 触发之后不直接杀掉，先给模型反馈：你已经多次尝试该方案，需要切换策略或者上报人工；
- 指纹做归一化，过滤时间戳、随机 id 这类无关噪声，避免误判。
3. 状态机 + 子目标进度校验（第三层，保证每一轮有正向进展）
把 Agent 流程做成确定性有限状态机，模型只负责在当前状态下做推理，是否切换状态、是否完成任务由校验器判断，不是模型自判：
- 任务拆解为多个可验证子目标，每完成一个子目标做校验；
- 每一轮结束后，独立校验器判断：本轮有没有拿到新信息、有没有推进目标；
- 连续多轮没有正向进展，直接判定失控，进入降级分支；
- 用 checkpoint 保存每一步状态，失控时可以回退到上一个有效节点，不用从头跑。
4. 上下文治理（第四层，解决 20 轮后记忆丢失）
长轮次最容易踩坑：上下文越长，模型越容易跑偏。
- 滚动摘要压缩：每 N 轮把历史内容压缩成结构化摘要，保留目标、已完成动作、待办，淘汰冗余日志；
- 分层记忆：区分长期目标摘要、最近几步窗口、原始工具返回；
- 目标锚定：每一轮输入固定带上原始用户目标，防止模型跑着跑着跑偏。
三、失控触发之后的处理流程
- 调度层检测到循环 / 无进展 / 到达轮次上限，先暂停 Agent 自动执行；
- 校验器输出诊断信息：当前目标、已经尝试的方案、卡住的原因；
- 优先降级策略：切换简化子任务、更换工具集、启用备选规划路径；
- 降级失败则交还人工，把当前完整状态、历史摘要给到用户，由用户决策继续、修改目标或者终止；
- 记录本次失控全链路日志，用于后续复盘，优化子任务拆分和循环检测阈值。
四、面试时标准回答版本（可以直接复述）
“我理解，模型本身是非确定性的，单步存在概率错误，链式执行会持续累积，单纯换更强模型、优化 Prompt 只能降低概率，无法根治。遇到 Agent 跑到 20 轮失控，我会在调度层做四层确定性控制：
第一，设置多维度硬阈值兜底，轮次、总 token、执行超时、单工具重试上限，由代码强制管控，不依赖模型自停止；
第二，对每一轮动作做指纹和相似度检测，识别重复调用、交替震荡这类假进展，提前预警；
第三，用状态机把子任务拆成可校验的子目标，独立校验器判断每一轮是否有正向进展，而不是让模型自己判断任务完成；
第四，做滚动上下文压缩，防止 20 轮之后上下文膨胀、目标丢失。
如果触发失控，优先切换备选策略，策略无效就暂停并交还人工，同时保留 checkpoint 支持回退。模型和 Prompt 是优化手段，生产 Agent 的收敛能力，必须由外部确定性调度层保证。”
五、避坑清单
- 不要把 “是否结束” 完全交给 LLM 判断，这是原型写法，生产环境风险极高；
- 只设置 max-turns 硬上限是最低底线，只能兜底，不能解决循环震荡；
- 动作指纹不要直接全量对比，要过滤无关动态字段，否则误报很多；
- 摘要压缩本身也要有校验，避免摘要错误导致目标丢失；
- 熔断不等于直接杀死任务，优先保留状态、支持人工介入，这是业务侧的需求。
【相关 FAQ】
问题 1：月之暗面这道 Agent 面试题，Agent 跑到 20 轮失控，为什么面试官不认可换强模型 + 改 Prompt 这个方案？
回答 1：因为 Agent 每一步模型输出自带非确定性误差，误差会在多轮循环里持续累积，哪怕更强的模型依然会出错，改 Prompt 只能优化概率，无法从机制上保证收敛，生产 Agent 的失控防护必须放在调度层做确定性控制。
问题 2：解决 Agent 跑到 20 轮失控，动作指纹检测和简单的轮次计数器有什么区别？
回答 2：轮次计数器只是到固定轮数强制停止，分不清 Agent 是在正常推进还是原地打转；动作指纹检测可以识别重复调用、来回震荡这种假进展，在远没到 20 轮的时候就提前拦截失控。
问题 3：Agent 跑到 20 轮失控，用状态机 + 独立校验器的方案，校验器本身也要大模型吗？
回答 3：校验器可以分两种，简单规则类校验直接写代码判断；复杂结果校验可以用独立小模型，但校验逻辑和主 Agent 推理链路解耦，不把任务终止权交给主 Agent。
问题 4：Agent 跑到 20 轮失控，触发熔断之后直接终止任务行不行？
回答 4：不推荐直接终止，更好的做法是保留 checkpoint、输出诊断摘要，先尝试备选策略，策略失效再交还人工，直接终止会丢失前面多轮已经拿到的有效成果。
【参考资料】
[2026-10-26]（月之暗面 Agent Harness 面试：Agent loop、死循环防护）抖音
[2026-08-16]（月之暗面 Agent 开发面试：Agent 重复调用工具、循环失控）牛客网
[2026-08-07]（如果 Agent 陷入死循环怎么办？循环防护工程方案）Kimi Gao 技术博客
[2026-07-15]（长上下文 Agent 循环失控、上下文压缩治理）AI Agent 技术社区
[2026-06-10]（Agent Circuit Breaker：生产级 Agent 熔断、循环检测）DEV Community
【免责声明】
本文仅为月之暗面该道 Agent 面试题的技术解析，Agent 失控方案需要结合业务场景、工具类型、任务复杂度调整；不同 Agent 框架（LangGraph、自研 Harness）的状态管理、循环检测实现方式存在差异，方案不代表月之暗面内部实现，不构成线上 Agent 系统开发的唯一标准。
本文来自作者[空域镜像]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/1762.html
评论列表（4条）
我是乌兰科技网的签约作者“空域镜像”！
希望本篇文章《月之暗面 Agent 面试题解析Agent 跑到 20 轮失控，不靠换强模型、改 Prompt 的工程解法》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：Agent 跑到 20 轮失控，核心根源不是模型能力弱或者 Prompt 写得不好，而是多轮循环没有确定性的外部控制层，单步模型的概率错误在链式执行里持续累积，上下文不断膨胀、目标丢失、动作来回震荡，哪怕换成更强的模型，依然会出现这类失控；面试官这句话的考察重点，是区分原型玩法和生产级 Agent 架构，要求把终止判断、循环检测、状态治理、熔断降级全部放到代码侧的调度层，而不是交给大模型自己决定什么时候停下来，整套方案分为四层防护：硬阈值兜底、重复动作指纹检测、状态机与进度校验、上下文治理，失控之后还要有回退、人工接管、子任务切分的兜底策略，下面从失控原因、分层方案、落地流程、面试标准回答完整梳理。