Long-Running-Tasks

上周一个做 Agent 集成的工程师来问我：「我的 Agent 前十步表现很好——读文档、列计划、写代码，都很干净。但到第 30 步左右就开始胡来：调错 API，覆盖自己刚改过的文件，甚至重复执行已经做完的操作。我是不是该换个更强的模型？」

我问他：每次都栽在同一个地方吗？他想了想说，不是，但跑得越远越不稳。

我说，那多半不是模型的问题。 它是走出了灯光照亮的地方。

无独有偶，今年 YC Startup School 上，主持人 Diana Hu 向 Jeff Dean 提了几乎一模一样的问题：「Agent 在前 10 步都很棒，到第 50 步就开始晃了。你觉得今天的瓶颈是什么？」Dean 的回答，是我见过对这个现象最准确的解释。

上周，一个 FDE 给我发了条消息：「我让 Agent 帮我做一份竞品分析，它说『好的，我开始处理』，然后就消失了。两个小时后我实在忍不住，去群里问『你还在跑吗』，它回了句『是的，还在处理中』。又过了半小时，终于出来了——结果质量不错，但这两个半小时里我完全不知道它在干嘛、做到哪了、有没有卡住。」

这个场景太常见了。而且它暴露了一个大多数 Agent 平台都没认真对待的问题： 长程任务的人机交互设计。

不是模型能力的问题，不是工具调用的问题——是 通信协议 的问题。Agent 和人之间，缺少一套关于「什么时候说话、说什么、怎么说」的共识。