智能体长任务停滞核验工作流

智能体长任务停滞核验工作流

3个实用技能 · 3步完成 · 每一步都能单独使用

把“仍在产生工具活动的健康任务被看门狗误杀，再从零重试”的问题变成可复核证据：先整理活动时间线与阈值，再审计活动误杀、同任务键重试和上下文重建风险，最后生成等待负责人决定的恢复门禁。套餐只处理脱敏 JSON，不自动恢复、不重试、不改看门狗配置。

3个可下载技能 · 每个技能可单独运行

3步自动化工作流

🔵 1 智能体长任务活动信号整理

技能文件：agent-stall-signal-normalizer

解决什么： 只看总运行时或最后一条模型消息，无法区分任务真的停滞、工具正在工作、进度事件持续产生或看门狗阈值过短。

你会得到： READY/REVIEW、排序事件、相邻间隔、最后活动时间、watchdog 阈值和 stall_signal_hash。

↓ 本步结果自动进入下一步

🟢 2 智能体看门狗重试代价审计

技能文件：agent-stall-retry-cost-auditor

解决什么： 看门狗杀掉健康任务后，同一任务键可能从头重试，反复读取仓库、重建环境和重新支付上下文，却没有产生新进展。

你会得到： PASS/REVIEW/BLOCKED、活动误杀、同 key 重试、最大事件间隔、retry_allowed=false 和 stall_retry_audit_hash。

↓ 本步结果自动进入下一步

🟠 3 智能体长任务停滞人工门禁

技能文件：agent-stall-recovery-gate

解决什么： 运行时审计通过不等于可以自动恢复、重试或调整 watchdog；负责人还需要确认恢复目标和成本证据。

你会得到： READY_FOR_HUMAN_STALL_REVIEW/HOLD、human_decision=PENDING、resume_execute=false、retry_execute=false、watchdog_change_execute=false 和 stall_review_gate_hash；这是最终交付。

实际示例

脱敏样例包含 tool_result、progress 和 completion 三个事件，最大事件间隔小于 600 秒且未被看门狗终止。第一步整理活动信号，第二步输出 PASS，第三步生成待人工复核包。把 watchdog_killed 改为 true、加入相同 run_key 的多次重试，或删除进度事件，会输出 BLOCKED/REVIEW。样例只验证离线字段，不代表真实任务健康、账单或恢复成功。

适合谁

• 运行长规划、后台 subagent 或多阶段 Agent Workflow 的工程团队

• 需要区分真实停滞与慢但健康任务的平台团队

• 负责 retry、resume、watchdog、上下文成本和生产稳定性的 QA 人员

• 在自动恢复长任务或提高超时阈值前需要保留证据的服务商

买家只需提供

• 脱敏 run_ref、start_s、watchdog_limit_s 和事件时间线

• event_id、kind、at_s、tool_ref、run_key、watchdog_killed 和 completion_observed

• 重试任务键、尝试次数、负责人、恢复引用和成本引用

• 不提供 API key、Cookie、原始提示词、客户数据、真实账单或工具载荷

使用方式

1. 使用 Python 3.10 或更高版本，把运行事件摘要写成 UTF-8 JSON；时间和任务键应使用脱敏值。

2. 依次运行活动信号整理、重试代价审计和人工门禁，也可以单独运行任一步。

3. 由负责人在自己的运行时决定继续、恢复、停止、调整阈值或改写重试策略；套餐不会操作 Agent、队列或配置。

交付与验收

• 三个独立技能目录，每个包含元数据、技能说明、标准库执行器、文档和脱敏样例。

• 三步可重复运行：活动信号、看门狗重试审计、人工停滞门禁；每个技能也能单独使用。

• 缺事件字段、活动证据、看门狗阈值，或发现活动误杀、同 key 重试循环时，输出明确 REVIEW/BLOCKED 分支。

• 正常样例输出 READY_FOR_HUMAN_STALL_REVIEW，并保留 PENDING、resume_execute=false、retry_execute=false 和 watchdog_change_execute=false；错误样例不会恢复任务、启动重试或修改阈值。

服务说明

脚本只处理买家有权使用且已经脱敏的本地 JSON，不连接 Agent、模型、队列、CI、网络或数据库，不读取凭据，不执行恢复、不启动重试、不修改 watchdog 配置。静态事件检查不能证明远端任务健康、工具幂等、账单金额或实际恢复结果；分类依赖买家提供的时间线、任务键和重试摘要。套餐不包含运行时接入、队列配置、成本监控、SDK 升级、生产部署或持续值守。