前面三课，我们搞清楚了 Agent 是什么、怎么用 Prompt 调教它、怎么给它接工具。到这儿，一个残酷的问题就冒出来了——

你以为能跑的 Agent，十次里有六次跑飞。

同样的输入，这次答对了下次答错；任务跑到一半开始胡说；机器一重启，之前跑了一半的长任务全废了。这不是你 Prompt 写得差，是Agent 缺了一样后端系统天生就有的东西：可控性。

第 4 课，我们就来解决 Agent 最大的痛点——不稳定。把"靠运气"变成"像后端系统一样可控"。

这一课，我们要让 Agent 具备三样能力

图片

可观测：每一步都能被记录、被回放，不是黑盒。

可控制：有状态机约束执行路径，不随意乱跑。

可恢复：中断后能从检查点接着跑，不用从头再来。

这三样能力，普通 ChatBot 一个都没有。而企业级 Agent，缺一不可。

一、为什么 Agent 需要状态机

图片

先戳破一个幻觉：LLM 没有真正的记忆。

每次 API 调用都是一次独立的推理，上下文窗口之外的内容它一概不知。多轮对话看起来"记得你"，本质是把历史原样塞回 prompt——窗口一满就丢，换个进程就没了。

所以 Agent 的"记忆"不能寄希望于模型，必须外部维护：用数据库、用 JSON、用任何持久化存储，把"我做到哪了、做完了什么、哪些失败了"记下来。Agent 每次行动前先读状态，行动后再写回状态。

一句话：LLM 负责推理，状态机负责"记住自己在哪"。

二、Agent 状态结构设计

图片

一个最小可用的 Agent 状态，通常就这么五个字段：

这五个字段各管一摊：

| 字段

|

作用
goal

锚定方向，防止 Agent 跑偏

| | current_step |

标记进度，防止同一节点重复执行

| | completed_tasks |

已完成队列，反思时参考

| | pending_tasks |

待做队列，驱动下一步规划

| | tool_history |

工具调用全记录，支撑反思与防循环

|

别小看这个结构。它是后面所有"可控"能力的地基。

三、DAG 工作流（有向无环图）

图片

复杂任务不能让 Agent 想到哪做到哪，得有结构。最经典的就是 DAG（有向无环图）。

为什么必须是"无环"？

禁止循环依赖：A 等 B、B 等 A，直接死锁。

避免重复执行：同一个节点只跑一次，不浪费调用也不污染状态。

支持并行：没有依赖关系的节点可以同时跑，长任务提速明显。

把任务拆成 DAG 之后，Agent 不再是"一条线走到黑"，而是一个有拓扑顺序的执行图。

四、LangGraph 深度设计

图片

如果 DAG 是思想，LangGraph就是把这个思想变成代码的主流框架。它有四个核心概念：

| 概念

|

含义
Node 节点

一个执行单元，可以是 LLM / 工具 / 函数

| | Edge 边 |

节点间的固定流转，定义执行顺序

| | Conditional Edge 条件边 |

根据状态动态决定下一步走哪个节点

| | State Reducer 状态归约 |

多节点写同一状态时按规则合并，而非覆盖

|

其中State Reducer 是最容易被低估的一个。当多个节点并发修改状态，如果直接"后写覆盖前写"，数据就丢了。Reducer 定义合并规则（比如 append 列表、取最大值），才保证状态一致性。

正是这四个概念，把 Agent 从"单线脚本"升级为可控的状态图。

五、企业级防循环设计

图片

死循环是 Agent 线上最贵的 bug——它不报错，只是默默烧钱。三个机制组合才能挡住：

① 调用指纹（fingerprint）

把 ToolName + 参数 取 Hash 当作指纹。两个调用指纹相同，就是"同一件事"。

② 执行轨迹（trace）

每次调用都记录：工具、参数、返回结果、时间戳。既支撑回放，也支撑审计——出问题了能查到是哪一步疯的。

③ 阶段退出条件

最多 retry 3 次，超过就放弃该分支，不死磕。

相似调用（指纹命中）禁止重复，避免 A→B→A→B 打转。

超时熔断：单个工具超过 N 秒强制终止。

三者在一起，死循环、重复调用、雪崩式重试，全被挡在门外。

六、长任务恢复机制（Checkpoint）

图片

研究类、分析类任务动辄跑十几分钟甚至更久。中间进程崩溃、机器重启，难道要从头再来？

Checkpoint（检查点）就是解药：把当前状态序列化落盘。

每完成一个阶段，就存一次状态快照。

进程崩溃 / 机器重启后，读取最近的快照。

从断点续跑，而不是重新来过。

配合上一节的 tool_history，恢复后的 Agent 既知道"做到哪了"，也知道"之前调过什么、结果如何"。

七、实战：长任务 Research Agent

图片

把前面所有能力串起来，做一个能真正干活的 Research Agent：

① 自动拆任务：用户给一个研究主题，Agent 先生成 DAG——拆成"搜背景 / 找论文 / 读数据 / 做对比"等子任务。

② 分阶段执行：按 DAG 顺序调用搜索、读文献、执行代码。每个阶段结束写 Checkpoint，并用调用指纹去重。

③ 支持恢复：

中断后读取 Checkpoint 续跑，不重头再来。

tool_history

支撑反思（这一步为什么失败？）和去重（这个搜索做过了）。

全部完成 → 汇总成一份结构化的研究报告。

这就是一个"像后端系统一样可控"的 Agent 雏形。

本课重点回顾

  1. 状态外置

  2. LLM 无记忆，进度必须存外部。

  3. 状态结构

  4. goal / step / 任务队列 / 工具历史。

  5. DAG

  6. 杜绝循环依赖与重复执行。

  7. LangGraph

  8. Node / Edge / Conditional Edge / State Reducer。

  9. 防循环

  10. 指纹 + 轨迹 + 退出条件。

  11. Checkpoint

  12. 崩溃后从快照恢复。

  13. 实战

  14. 长任务 Research Agent 全链路。