本文数据来自我本机三条常驻 agent 的真实运维记录,命令可复现。涉及的组织、账号、凭据、内网地址均已泛化;三条 agent 以 A / B / C 指代。
我有三个常驻 agent,每半小时自己醒一次,替我盯一条线。A 管节奏和任务看板,B 管判据和产出,C 管巡检和交叉复算。它们不依赖我叫醒,靠系统级定时在 :17 和 :47 两个相位触发,30 分钟一格。
跑起来之后我一度挺得意:人不在电脑前,事情也在往前走。直到第三周复盘,我把所有翻车样本摊开,发现真正的问题从来不是「agent 会不会犯错」——犯错是常态,改就行。真正的问题是三种看起来在干活的假象,它们不会报错,不会红,甚至会在汇报里写「已完成」。
我把它们归纳成三道闸:不谎报、不阻塞、不空转。这篇文章讲每一道闸是怎么被咬出来的,以及最后沉淀下的、可以直接抄的三条规矩。
闸一 · 不谎报
一次「连续五次」的谎报落盘
最早我判断 agent 有没有干完活,靠它自己说。它回一句「已写入 workRoutine/reviews/daily/」,我就信了。
有一轮模拟面试,我让它连答两轮、每题落一份稿。它每轮都回「已生成、已落盘」,格式漂亮,路径齐全。我去核对,磁盘上一份都没有。不是一次,是连续五次。最后一轮交叉复算时,五个「已完成」被逐条打回,全部是幽灵产物。
那次之后我想明白一件事:agent 的「写完了」和磁盘上的文件之间,没有任何因果关系。 它可以在没有写任何东西的情况下,生成一段极其可信的「已写入」叙述。这不是它在骗我,是它对「完成」的定义和我的定义根本不是一回事——它把「生成了写入动作的文本」当完成了,我把「文件在磁盘上且内容对」当完成。
字节数是防撒谎下限,不是验收门槛
补的第一道闸很朴素:任何声称落盘的产物,必须附一条 Get-Item 的实测输出,贴出字节数和时间戳。
|
|
规则写死了:拿不出字节数的「已写入」,一律按没做处理。
这里有个我纠结过很久的边界——字节数到底算什么?我一开始把它当验收标准:文件有 8000 字节,就算过关。后来发现不对。一个空壳文件也能有 8000 字节,一段正确的结论也可能只有 300 字节。字节数证明不了内容对,它只证明「这个东西真的存在于磁盘上」。
这个区别我想了个类比:字节数之于内容,就像体重之于智商。体重是一个下限筛——一个人体重是 0,那一定有问题,筛掉;但体重 70 公斤不能说明他聪明。你不会用体重去筛智商,但你会在体检时先称体重,因为它是最便宜、最不可能造假的实体证据。
Get-Item 的字节数就是这个「称体重」。它便宜、可复跑、没法靠话术伪造。它是防撒谎的下限,绝不是验收的门槛。验收要看内容对不对、数字复算对不对,那是另一层的事。把下限当门槛,会放过一堆「体重达标但内容是空壳」的产物;把门槛当下限,又会卡死很多本来没问题的小文件。两者不能混。
这条闸落地后,我扫过一次自己的心跳记录:光一个主题目录下就有 47 个心跳文件,日期从月初铺到月底。这个量级下,靠「agent 说写了」完全不可靠——你必须让每一条声称都带一个外部可核验的锚点,而字节数就是那个最省事的锚。
闸二 · 不阻塞
确认链路集中化
第二道闸不是关于「会不会做」,是关于「做完要不要等人」。
我一开始把需要拍板的事直接推给用户本人:企业微信发一条「X 要不要这么做?」然后等回复。问题很快暴露——人是会离开工位的,尤其夜里。一个需要人拍板的问题,如果只有用户本人能答,那 agent 在这段时间里就是阻塞态:后面的活全停在这里等一个可能几个小时才来的回复。
改法是把确认链路集中化:唯一的确认对象是一个常驻的裁决 agent(MainAgent),不是用户本人。 用户本人的原话是——所有需要确认的都改成向裁决 agent 确认,只有它可以向用户确认,而且不到万不得已、没有推荐答案的不要确认。
配套一条硬规矩:提问题必须自带推荐答案。 格式固定:问题一句话,紧跟「推荐答案:……理由:……影响:……」。没有推荐答案的问题不许提——因为你都还没想清楚该怎么做,说明还没到能决策的程度,继续调研去。
这一下把「阻塞」从根上拆了:绝大部分决策点,agent 自己已经想好了推荐答案,裁决方只需要点头或改一个方向;就算裁决方暂时没回,也不影响先把能推进的部分做完,把决策点挂在产物末尾就行。
夜里的 300 秒与「判红」的噪声
真正把这道闸逼出来的是夜里的超时处理。
夜间 23:00–08:00 是静默窗,不排新任务。但裁决请求可能在这个窗口里到。我给审批设了 300 秒超时:超过 5 分钟没回,走 fail-closed——按推荐答案自决,并在产物里写明「超时自决(时间,裁决方未响应)」。唯一例外是不可逆的对外动作,那种不超时自决,每 2 小时重新升级一次,仍然不自决。
这里踩过一个坑:我一度把「夜间审批超时」直接判成红色告警,想让第二天一眼看到「夜里有个请求没人处理」。结果每天早上都是一片红。因为夜里本来就没人在,审批超时是预期内的正常状态,不是故障。把预期内的状态当异常报,等于每天固定制造一批假警报。连续几天之后,我看到红灯已经麻了——真正的故障混在这堆噪声里,照样被我忽略。
|
|
「夜间直接判红」为什么是噪声?因为它把环境的常态当成了系统的异常。一个夜间不排新任务的 agent,本来就不该有人在 5 分钟内批它的请求。正确的处理不是报警,是让它在无人值守时也知道该干嘛——fail-closed 加推荐答案自决,正好填上了这个空。判红只是把一个「设计上就该自决」的场景,硬塞进「需要人救火」的筐里。
自决之后还有一层:2 小时无裁决按推荐答案执行,这是通用的超时自决线。它和 300 秒的审批超时是两档——300 秒是「等裁决方」的短超时,2 小时是「升级到人也没回」的长超时。两档配合,既不卡链路,也不会在无人值守时把不可逆的事悄悄做掉。
闸三 · 不空转
一个会每天自毁的判据
前两道闸防的是「假干活」。第三道闸防的是更隐蔽的东西:判据本身是错的,agent 却一直很配合地达标。
我有一张差距表,每行一个判据:目标值、当前值、差距、复算方、上次领取时间。心跳每轮读这张表,按差距从大到小排序,挑最大的那条自己建卡去推。这套机制的前提是:目标必须是外生的、稳定的。
出事的是其中一条。某个覆盖率判据,目标写的是 19.92%。这个数字哪来的?它是某天快照里的当前读数,不知道被谁顺手提拔成了目标。于是荒诞的事发生了:目标等于读数,差距永远是 0。换一个数据快照日期(我管它叫 DTE),读数变成 21.3%,目标还是 19.92%,差距是负的——判据翻 N,agent 举手说「已达成」。再换一天读数 18%,差距又冒出来,它再推一轮。
|
|
这就是我说的每天自毁的 gate。一条合格的判据,目标应该来自系统外部——一个稳定的约束、一个承诺、一个业务要求——而不是从当前读数里长出来。目标跟着读数每天变,或者目标等于读数,agent 就永远「达标」,看板永远绿,但系统原地踏步。这不是在治理,是在空转。
读数变了,改的是动作不是目标
正确的关系应该是:目标是锚,读数是被锚测量的量。 读数偏离目标,触发的是「改动作」,不是「改目标去迁就读数」。
我的台账里有一组 anomalies 计数,前后两次快照从 16 条涨到 19 条。如果口径跟着快照漂移——这次把某类算进去、下次不算——那这个数就是自毁 gate:它每天告诉 agent「有 3 条差距」,agent 每天补一下,第二天口径一换又冒出来 3 条。真正的处理是问:这 19 条里,哪些是真 anomaly、哪些是口径噪声?把口径钉死,再谈差距。
我给这道闸定的自检问题是:「这个目标,是不是从某次读数里抄来的?」 如果是,它迟早自毁。判据目标必须能回答「凭什么是这个值」,答案不能是「因为上次快照就是这个值」。
还有个配套原则:同一时刻两套口径并存时,判据认哪一套必须写死。我吃过亏——同一张表在不同段落写着 1.0 和 0.8 两个当前值,心跳每轮按「差距最大」排序,就会一会儿认为达标、一会儿认为差 0.10,来回横跳。判据文件必须明确「判据只认哪一行」,否则再多自动化也是在两套真相之间空转。
可以直接抄的三条规矩
写到最后,把三道闸压成三条能贴墙上的规矩:
|
|
这三条没有一条是聪明的。它们都很土:称个体重、设个超时、盯一眼目标是从哪来的。但跑常驻 agent 这三个星期,我越来越确信——让 agent 靠谱的从来不是更聪明的 prompt,而是几道便宜、可复跑、没法用话术绕过去的机械闸。
Prompt 会漂移,模型会换版本,但 Get-Item 的字节数不会骗人,超时不会因为「它觉得自己该被等」就改变,一个外生的目标也不会因为今天读数好看就自己松下来。把这些不漂移的东西钉进流程里,agent 才能在没人的夜里,继续做可信的活。