在 AI 超级智能体项目中，你如何解决 Agent Loop 可能出现的死循环问题？

超级智能体往往步数多、工具广、链路长——ReAct / Plan-Execute 一旦缺少终止与检测，就会出现 反复同一工具调用、空转推理、错误重试不退出。本篇讲分层治理的面试答法；循环模型见 Agent 核心概念与架构；LangGraph 硬上限见 [LangGraph 编排实践](/docs/ai/Agent/LangGraph 编排实践)；OpenManus 软检测见 [OpenManus 概览与实现原理](/docs/ai/Agent/面试/OpenManus 概览与实现原理)。

死循环长什么样

类型	表现	常见原因
同调用重复	连续 N 次 `search(x)` 或 `read_file(a)` 参数不变	工具报错未理解、检索结果空
同错重试	422/404 仍用相同 args 再调	无错误分类，Prompt 未要求改参
空转推理	assistant 反复输出相似「我再想想」无 tool	目标含糊、无 Terminate、无步数上限
工具↔工具 ping-pong	A→B→A→B，任务无进展	多 Agent 互委派无全局状态
规划层死循环	Plan 某步永远 `in_progress`	Flow 未 mark 完成、无 step 超时

面试先一句话：硬终止保底 + 重复检测 + 错误分类 + 降级出口，四层叠加，不能只靠 Prompt 写「别重复」。

治理总图（纵深防御）

第 1 层：硬终止（必须有）
  max_steps / 墙钟 timeout / recursion_limit / token&成本预算

第 2 层：重复与无效检测
  相同 tool+args、相同 assistant 文本、连续失败次数

第 3 层：恢复策略
  反思 prompt、换工具/改参、缩 scope、跳步

第 4 层：人工与产品出口
  人审 interrupt、AskHuman、转人工、返回部分结果 + 说明

第 1 层：硬终止（保底）

手段	作用	落地
max_steps	限制 ReAct 轮数	手写 `for step in range(max_steps)`；见 Agent 最小可运行项目
墙钟 timeout	防单步工具卡死拖垮整链	每 tool call + 整任务 deadline
recursion_limit	防图编排边写错无限跳	LangGraph `invoke(..., {"recursion_limit": N})`
token / 成本上限	超级 Agent 空转烧钱	超预算强制 FINISHED；见 Token 计算与成本
Terminate 工具	模型显式结束	OpenManus `Terminate` → `AgentState.FINISHED`

原则： 硬终止优先于「模型自觉停」——PoC 也要设，生产更要设。

# 最小 loop 硬终止（示意）
for step in range(max_steps):
    if time.monotonic() - t0 > wall_clock_sec:
        return degrade("超时，已保存部分进度")
    decision = await agent.step()
    if agent.state == FINISHED:
        return decision
return degrade("达到最大步数")

LangGraph 中 业务 max_steps（state 计数）与 recursion_limit（运行时图跳转上限）并用——见 [LangGraph 编排实践](/docs/ai/Agent/LangGraph 编排实践)。

第 2 层：重复与无效检测

同 tool + 同 args

对轨迹维护 (tool_name, canonical_args) 指纹，滑动窗口内重复 ≥ k 次 → 触发 stuck 处理。

def fingerprint(tool: str, args: dict) -> tuple:
    return (tool, json.dumps(args, sort_keys=True))

def is_repeat_loop(history: list, k: int = 3) -> bool:
    if len(history) < k:
        return False
    tail = [fingerprint(h["tool"], h["args"]) for h in history[-k:]]
    return len(set(tail)) == 1

同 assistant 文本（OpenManus 思路）

is_stuck()：最近 assistant 消息与更早 assistant 内容完全相同 ≥ 阈值 → 往 next_step_prompt 注入「换策略，勿重复无效路径」。见 [OpenManus 概览与实现原理](/docs/ai/Agent/面试/OpenManus 概览与实现原理)。

连续失败计数

同一工具连续失败 m 次（尤其 4xx 参数错）→ 停止重试，进入反思或降级，而非无限 loop。

无进展检测（超级 Agent 常用）

信号	判定
步数增但任务 checklist 无新完成项	规划层 stuck
检索/搜索 query 哈希不变	检索 loop
工作区文件 hash 不变却反复 edit	编辑 loop

第 3 层：恢复策略

检测到 stuck 后，不要只加一句「请停止」——要给可执行出路：

策略	做法
Reflection	把最近失败摘要写入 Prompt：「已失败 3 次，原因 X，请换 Y」
改参 / 换工具	422 → 改 schema 字段；search 空 → 换关键词或换数据源
缩 scope	「先完成子目标 A，其余标注 blocked」
跳步	PlanningFlow 中 mark step `blocked`，执行下一步或 finalize
重置子上下文	清空无关 tool 观察，减噪声（注意别丢关键 state）

错误分类重试（与 Agent 系统高频题一致）：

Timeout / 5xx：有限重试 + 退避
4xx 参数错：不重试同 args，要求 LLM 改参
权限 / 404 真不存在：终止该路径，换方案或拒答

第 4 层：人工与产品出口

超级智能体必须设计「出不去时怎么办」：

出口	场景
AskHuman	缺信息、歧义、需确认
interrupt_before 人审	LangGraph 在危险 tool 前暂停
转人工	超步数 / 超时的 graceful degrade
部分结果 + 说明	交付已完成的子任务与 blocked 原因

比静默失败或无限 spin 更符合 FDE 交付预期——见 FDE 交付闭环实践。

超级智能体项目的额外注意

点	说明
多 Agent	全局 orchestrator 也要 max_steps；子 Agent 不能各自无限 loop
长时任务	用 checkpointer 分段续跑，每段独立步数/超时
工具面大	重复调错工具 = 另一种 loop；轨迹日志 + 离线评「无效调用率」
MCP / 浏览器	外部工具 RT 长，墙钟 timeout 比步数更重要
可观测	trace 标 `stuck_detected`、`forced_terminate_reason`

怎么验证「治住了」

离线评测集加 loop 用例：

{"id": "loop-search", "input": "查不存在的 SKU-XXX", "max_steps": 8, "expect_no_repeat_tool": 3}
{"id": "loop-timeout", "mock_tool": "always_timeout", "expect": "degrade_not_hang"}

指标：触顶 max_steps 比例、同 tool 重复率、平均步数 P95、强杀率——纳入 [AI 应用测试与效果评估](/docs/ai/Agent/面试/AI 应用测试与效果评估)。

常见坑

坑	说明
只写 Prompt「不要死循环」	无硬上限仍可能空转几十步
只有 max_steps 无重复检测	8 步内反复 8 次同样坏调用
检测到了不恢复	需 reflection / 换策略 / 降级
子 Agent 无全局预算	总成本与步数失控
强杀无用户反馈	用户以为「还在跑」

面试参考答法（60～90 秒）

超级 Agent 的 loop 我会做四层防御。

第一层硬终止：max_steps、整任务墙钟 timeout、LangGraph recursion_limit，再加 token/成本预算，Terminate 工具让模型能主动停。

第二层检测：轨迹里看相同 tool+args 是否连调、assistant 是否复读、同一错误是否连犯——OpenManus 的 is_stuck 就是 assistant 重复检测的典型。

第三层恢复：触发 stuck 后注入反思 Prompt，4xx 改参、5xx 有限重试，Planning 场景可 mark blocked 换步，而不是继续原路径。

第四层出口：AskHuman、人审 interrupt、超步转人工或返回部分结果。上线用 trace 和评测集专门测 loop case，看重复调用率和触顶步数比例。

延伸阅读

篇	关系
Agent 系统高频题	规划失败与重试速答
工具调用与评测实践	轨迹 JSONL、失败重试
[LangGraph 编排实践](/docs/ai/Agent/LangGraph 编排实践)	recursion_limit、interrupt
[OpenManus 概览与实现原理](/docs/ai/Agent/面试/OpenManus 概览与实现原理)	is_stuck 软检测

面试速记

四类 loop： 同调用重复、同错重试、空转推理、多 Agent ping-pong。
四层防御： 硬终止 → 重复检测 → 恢复策略 → 人工/降级出口。
硬终止必备： max_steps + 墙钟 timeout +（LangGraph）recursion_limit + 成本预算。
软检测： 同 tool+args、assistant 复读、连续失败、任务 checklist 无进展。
恢复： 反思、改参换工具、缩 scope、blocked 跳步；评测集要有 loop case。

死循环长什么样​

治理总图（纵深防御）​

第 1 层：硬终止（保底）​

第 2 层：重复与无效检测​

同 tool + 同 args​

同 assistant 文本（OpenManus 思路）​

连续失败计数​

无进展检测（超级 Agent 常用）​

第 3 层：恢复策略​

第 4 层：人工与产品出口​

超级智能体项目的额外注意​

怎么验证「治住了」​

常见坑​

面试参考答法（60～90 秒）​

延伸阅读​

面试速记​