循环是怎么退出的？完成判据，从原理到落地

AI 智能体的工作方式是一个循环：思考、调用、观察、再思考，直到任务完成。但「完成」不会自己喊停，循环必须靠明确的完成判据来退出。判据设计不好，轻则任务没干完就停，重则循环空转到预算烧光。循环退出是智能体系统里最容易被低估的设计点。

不设出口的循环有多危险

没有退出条件的循环，等于让智能体无限续杯。真实事故往往是这样的：模型对结果不满意，反复重做；两个工具的返回互相矛盾，模型来回摇摆；检索永远差一点点，它就一直查下去。每多转一圈，都是真实的调用费用和等待时间。

所以任何循环在启动前，都要先写清「什么情况下停」。这不是可选项，是安全底线。

三种完成判据：目标达成、步数上限、预算耗尽

目标达成判据：任务的验收标准被满足。最直接，比如「报告已生成并通过检查」「表格三列全部填完」。这一判据靠验证动作确认，可以是一次程序校验，也可以是让模型对照标准自查。

步数上限判据：无论完成与否，循环最多转 N 轮。它是防止空转的熔断器，哪怕目标判据失灵，损失也被封顶。上限值按任务复杂度定，简单任务十轮以内，复杂任务也要给个明确的天花板。

预算耗尽判据：调用次数、耗时或花费达到限额就停。它和步数上限互为备份，一个管轮数、一个管代价，哪个先到算哪个。

三条判据盯的不是同一件事，通常要一起设。

判据怎么写才不误判

误判分两种。假完成：验收标准写得太松，比如「写一份报告」，模型随手交个空壳也算「完成」了。对策是把标准写成可检验的具体条件：至少五个章节、每节带数据来源。假未完成：标准太苛或验证方式失灵，明明做得够好却永远不通过，循环反复打磨同一份产物。

防假未完成的办法是给目标判据加容差：连续两轮产出无明显改进，就判定收敛，接受当前最成熟的一版。豆包、Kimi 这类助手处理长任务时表现出的「知道见好就收」，背后都是这类收敛判据在工作。

提前退出的应急预案

循环因熔断触发而停止时，任务可能处于半成品状态。预案要有两条：一是如实交代，把「停在第三步、已完成哪些、差什么」说清楚，而不是硬凑一个结果交差；二是留下断点记录，让用户或下一轮执行能从断点续跑，而不是推倒重来。

还有一种主动提前退出：中途发现任务前提不成立，比如关键材料根本找不到。这时继续转圈毫无意义，正确动作是立即停手、说明卡点、请求补充输入。

退出判据设计三件套

• 主判据：写成可检验的具体验收条件
• 熔断线：步数上限与预算上限双设防
• 预案：触发上限后如实交代、留断点、可续跑

检查你正在用的智能体任务：它的循环有哪几条出口，一条都说不出来就要警惕了。

相关词条：循环里每次调用怎么发出，见工具调用是怎么发出去的？从决策到执行；每轮观察如何被消化，参考观察结果是怎么被消化的？关键步骤一次讲清；跨任务的结论存进记忆，见长期记忆是怎么写入的？摘要与向量化；大任务由谁分担，看多 Agent 是怎么分派任务的？。

循环退出快问快答三则

• 步数上限设多少合适？：从任务正常所需轮数的三倍开始设，跑过几次后按真实分布收紧，太松失去保护意义，太紧容易拦住正常任务。
• 判据由模型自己判断可靠吗？：模型自查方便但有自评偏高的倾向，关键任务用程序化校验，或让另一个模型独立核验。
• 循环卡住和正常迭代怎么区分？：看产物的边际变化，每轮都有实质改进是迭代，连续几轮原地踏步就是卡住，该触发收敛判据了。