什么是终止条件？Agent 什么时候停

让 AI 干活最怕两件事：干到一半撂挑子，或者干完了还停不下来。终止条件就是解决第二个问题的——它规定了 Agent 在什么情况下算完成任务、可以收手，是智能体执行循环里那个明确的出口。

停下来的三个常见依据

常见的判定有三类：目标达成，比如模型自己判断要的结果已经拿到；轮次用尽，预设的步数跑完就停；外部叫停，用户主动打断或人工确认后中止。多数产品会把三者叠加使用，任一满足就结束。

扣子这类平台允许给每个任务设定完成标准，Kimi 处理长任务时也会在中间汇报进度等待确认——这些设计本质上都是在回答同一个问题：怎么知道活干完了。判断本身由大模型完成，标准则由人来定。

三类依据里最容易出问题的是目标达成：模型自评时倾向于乐观，聊得越久越想收尾。对策是让完成标准尽量落在可观察的证据上——文件确实生成了、消息确实发出了、数字确实对上了，而不是一句「应该没问题」。标准的写法也有讲究：能写成「输出包含标题和三个小节」，就别写成「写得完整一些」，前者可核对，后者全凭感觉。另一个常见坑是判断依据藏在长上下文里，模型忘了开头定过的标准，执行到后面各干各的，把标准在每一轮的提示里露一面，比藏在第一轮里可靠得多。

生活类比：导航播报「已到达」

导航的目的地判定很干脆：坐标接近就播报到达。终止条件类似这个逻辑——先定一个可检验的标准，执行过程中反复核对，达标即停。标准定得清楚，停得就干脆。

但导航比方有失灵处。导航的目标单一且客观，Agent 的目标常常模糊：「帮我整理一份像样的报告」，什么叫像样？模型只能按自己的理解去凑。所以实践中常用复合判断：既有客观检查（文件生成了吗），也有模型自评（内容完整吗）。还有一个折中做法：把大目标拆成若干里程碑，每个里程碑配独立标准，走一段验一段，比一口气验全程更稳。

一句话自检停止逻辑

给任务设定停止标准时，可以用这三条过一遍：

• 完成的标志是一个可观察的结果，还是一句主观描述？
• 万一始终达不到标准，有没有第二出口兜底？
• 中途需要人确认吗，还是全自动跑到结束？

速查清单：

• 明确型任务：以产物落地说了算，文件在、消息发出即为完成。
• 开放型任务：模型自评加轮次上限两道防线，防止单标准卡死。
• 混合型任务：硬证据管主目标，自评管细节打磨。

先分清任务类型，再选停止依据，是最省事的路径。

说明书里怎么声明工具的边界，见函数的 schema；每轮拿回的反馈怎么用，见观察结果；始终不停时靠什么强制收场，见最大步数限制；长任务中间的结果怎么留存，可看记忆分层；固定流程和自由发挥的取舍，则在工作流编排里有展开。

下次配置时不妨记住：终止条件宁可写得笨一点、可检验一点，也别写成一段抒情——它是要被反复核对的标准，不是写给模型欣赏的散文。

关于终止条件，问得最多的三个

• 没有设终止条件会怎样？：要么靠平台默认的轮次上限硬停，要么一直循环到人发现。前者浪费资源，后者可能反复执行对外动作，风险不小。
• 模型自评完成可靠吗？：不完全可靠。自评适合开放型任务的过程控制，关键交付物还是要有客观检查兜底，两者叠加最稳。
• 终止后任务还能接着跑吗？：可以。多数平台支持在终止点恢复，前提是中间结果有留存，这也呼应了记忆和日志的价值。