第1章 Agent 生命周期¶

学习目标¶

理解 Agent 的完整设计流程与生命周期阶段
掌握 Agent 循环（Perceive-Decide-Act）的运行机制
学会使用 OpenAI Agents SDK 实现 Agent 迭代执行
理解终止条件设计与错误处理、重试策略
能够为真实业务设计可观测、可恢复的 Agent

问题导入¶

某团队上线了一个"工单处理助手"，让 LLM 直接生成回复就返回。结果上线一周暴露三大问题：①遇到需要多次查询数据库的工单，Agent 只查一次就回答，答非所问；②工具偶发超时，Agent 直接报错退出，用户体验差；③没有明确的"完成"判断，有时模型明明已给出答案却继续空转，Token 成本飙升。

这些问题的根因都在于：团队只写了"一次调用"，而没有设计 Agent 生命周期。Agent 不是"调一次 LLM"，而是一个会"感知—决策—行动—观察"持续迭代的循环系统。生命周期管理决定了 Agent 何时启动、如何推进、何时终止、出错怎么办。本章将系统讲解 Agent 生命周期的每个阶段，并用 OpenAI Agents SDK 实现一个可控、可观测的 Agent 循环。

核心概念¶

1. Agent 设计流程¶

构建一个 Agent 通常包含五步：

目标定义：明确 Agent 要解决什么问题（如"处理用户工单"）
能力设计：确定 Agent 需要哪些工具、哪些知识
指令编写：用 system prompt 约束 Agent 行为边界
循环设计：定义感知—决策—行动的迭代结构
终止与恢复：设计完成条件、最大轮数、错误重试与断点续跑

2. 初始化阶段¶

初始化阶段负责装配 Agent 运行所需的全部要素：

指令（Instructions）：定义角色、规则、输出格式
工具集（Tools）：Agent 可调用的函数列表
上下文（Context）：注入用户身份、会话状态等运行时数据
模型配置：选择 model、temperature、max_tokens

OpenAI Agents SDK 通过 Agent 类完成初始化，所有配置以声明式参数传入。

3. Agent 循环（Perceive-Decide-Act）¶

Agent 的核心是一个不断迭代的循环，每个迭代包含三个阶段：

Perceive（感知）：接收用户输入或上一轮工具结果，更新上下文
Decide（决策）：LLM 基于当前上下文决定下一步——调用工具还是给出最终答案
Act（行动）：执行工具调用，将结果作为新的"感知"喂回模型

这个循环会持续进行，直到模型判定任务完成或触发终止条件。

4. 终止条件¶

合理的终止条件防止 Agent 死循环：

自然终止：模型不再发起工具调用，直接输出 final_output
最大轮数（max_turns）：硬性上限，SDK 的 Runner.run 支持
超时控制：整体执行时间上限
完成信号：通过特定工具或关键字标记完成

5. 错误处理与重试¶

工具调用可能失败（网络超时、参数错误、权限不足），需设计：

捕获异常：把错误信息作为 observation 回传给模型，让其自我修正
重试策略：对瞬时错误指数退避重试，对参数错误让模型重新决策
熔断降级：连续失败 N 次后停止，返回兜底响应
可观测性：记录每轮的输入、输出、耗时，便于事后排查

原理图¶

stateDiagram-v2
    [*] --> 初始化
    初始化 --> 感知 : 装配指令/工具/上下文

    state 循环 {
        感知 --> 决策 : 更新上下文
        决策 --> 行动 : 调用工具
        行动 --> 感知 : 工具结果回传
        决策 --> 完成 : 无工具调用
    }

    感知 --> 错误处理 : 工具异常
    错误处理 --> 决策 : 重试/回传错误
    错误处理 --> 终止 : 熔断/超限

    完成 --> [*] : 输出 final_output
    终止 --> [*] : 兜底响应

    note right of 循环
        Perceive-Decide-Act
        持续迭代直到完成
    end note

图：Agent 生命周期状态机——从初始化进入感知—决策—行动循环，遇错回传或重试，满足终止条件后退出

示例代码¶

1. 最小 Agent 循环（OpenAI Agents SDK）¶

"""
第1章示例：用 OpenAI Agents SDK 实现最小 Agent 循环
依赖：pip install openai-agents
"""
import asyncio
from agents import Agent, Runner, function_tool


@function_tool
def query_order(order_id: str) -> str:
    """查询订单状态。参数 order_id：订单号"""
    # 模拟数据库查询
    db = {
        "A1001": "已发货，预计明日送达",
        "A1002": "处理中，预计 2 天后发货",
    }
    return db.get(order_id, f"订单 {order_id} 不存在")


@function_tool
def refund_order(order_id: str, reason: str) -> str:
    """发起退款。参数 order_id：订单号，reason：退款原因"""
    return f"已为订单 {order_id} 创建退款工单，原因：{reason}，预计 3 个工作日到账"


# 初始化 Agent：声明指令、工具、模型
agent = Agent(
    name="客服助手",
    instructions=(
        "你是一个电商客服助手。处理用户订单查询与退款请求。"
        "如果用户只查询，调用 query_order；如果用户要求退款，先查询再调用 refund_order。"
        "每次行动后基于结果决定下一步，信息充分时给出最终回答。"
    ),
    tools=[query_order, refund_order],
    model="gpt-4o-mini",
)


async def main():
    # Runner 负责驱动整个 Perceive-Decide-Act 循环
    result = await Runner.run(
        agent,
        "我的订单 A1001 还没到，如果明天还不到就退款，原因是物流太慢。",
        max_turns=8,  # 终止条件：最多 8 轮
    )
    print("最终回复：", result.final_output)
    print("总轮数：", len(result.raw_responses))


if __name__ == "__main__":
    asyncio.run(main())

运行结果示例：

最终回复： 您的订单 A1001 当前状态为"已发货，预计明日送达"。
          若明日仍未送达，我已为您创建退款工单（原因：物流太慢），
          预计 3 个工作日到账，请留意短信通知。
总轮数： 3

2. 带错误处理与重试的 Agent 循环¶

"""
带错误处理与重试的 Agent 循环：手动管理迭代，便于自定义错误策略
"""
import asyncio
from openai import AsyncOpenAI
from agents import Agent, Runner, function_tool, ToolError

client = AsyncOpenAI()


@function_tool
def unreliable_api(query: str) -> str:
    """模拟不稳定的 API：偶发失败"""
    import random
    if random.random() < 0.5:
        raise RuntimeError("API 超时")
    return f"查询 {query} 的结果：OK"


agent = Agent(
    name="容错助手",
    instructions="遇到工具错误时，向用户说明并最多重试 2 次，仍失败则给出兜底回答。",
    tools=[unreliable_api],
    model="gpt-4o-mini",
)


async def run_with_guardrail(agent, user_input, max_turns=6):
    """带熔断机制的运行器：连续失败 3 次即终止"""
    try:
        result = await Runner.run(
            agent,
            user_input,
            max_turns=max_turns,
        )
        return result.final_output
    except ToolError as e:
        # SDK 会把工具异常转为 observation，此处兜底
        return f"工具连续异常，已熔断：{e}"
    except Exception as e:
        return f"Agent 异常终止：{e}"


if __name__ == "__main__":
    out = asyncio.run(run_with_guardrail(agent, "请调用 unreliable_api 查询 weather"))
    print(out)

企业案例¶

案例 1：客服 Agent 生命周期管理¶

某电商平台客服 Agent 需处理咨询、查询、退款、投诉四类工单。团队基于生命周期设计：

初始化：按工单类型加载不同工具集（查询类用 query_order，退款类用 refund_order + query_order）
循环控制：max_turns=10，单工单最多 10 轮交互
终止策略：模型输出 final_output 即完成；超过 10 轮升级人工
错误处理：订单系统超时重试 3 次（指数退避 1s/2s/4s），仍失败则提示用户稍后重试
可观测：每轮记录 tool_name、latency、token_usage，接入 Prometheus

上线后工单自动解决率从 42% 提升到 78%，平均处理时长下降 35%。关键经验：生命周期可观测比单纯提升准确率更重要——知道 Agent 在哪一步卡住，才能持续优化。

案例 2：数据分析 Agent 的断点续跑¶

某数据团队的 Agent 需执行"取数—清洗—分析—出图"长流程，单次可能跑 20+ 轮。团队将每轮的上下文快照存入 Redis，若进程崩溃可从最近 checkpoint 恢复，避免从头重跑。这是生命周期管理在"长任务"场景下的延伸：状态持久化 + 断点续跑。

常见问题¶

Q1：Agent 和单次 LLM 调用的本质区别是什么？

A：单次调用是"问—答"一对一映射；Agent 是一个循环系统，能根据中间结果动态决定下一步，可多次调用工具、多轮推进，直到满足终止条件。Agent 的核心价值在于"自主迭代"。

Q2：max_turns 设多少合适？

A：取决于任务复杂度。简单查询 3-5 轮，多步推理 8-12 轮，长流程任务 20+ 轮并配合 checkpoint。原则是够用即可，过大会导致成本失控，过小会截断必要推理。

Q3：工具调用失败时，应该重试还是把错误告诉模型？

A：两者结合。瞬时错误（网络抖动、超时）用指数退避重试；参数错误（模型传错参数）把错误信息作为 observation 回传，让模型自我修正；业务错误（订单不存在）直接回传让模型据此回答。所有错误都应可观测。

Q4：如何判断 Agent "卡住"了？

A：三个信号：①连续 N 轮调用同一工具且参数几乎相同；②模型输出"我再试试"等无进展语句；③Token 消耗突增但 final_output 未产出。检测到后应强制终止并降级。

Q5：Agent 循环必须用 LLM 做决策吗？

A：不一定。简单路由可用规则决策（如关键字匹配），复杂推理才需 LLM。混合架构（规则 + LLM）能显著降低成本，企业中常用"LLM 决策 + 规则兜底"。

面试题¶

简答题：描述 Agent 的 Perceive-Decide-Act 循环，并说明每个阶段的输入输出。

参考要点：Perceive 接收用户输入或工具结果更新上下文；Decide 由 LLM 决定调用工具或给出答案；Act 执行工具并把结果回传作为下一轮感知。

设计题：一个 Agent 调用工具 5 次都失败，应该如何处理？请给出完整策略。

参考要点：区分错误类型（瞬时/参数/业务）；瞬时错误指数退避重试；参数错误回传让模型修正；连续失败触发熔断，返回兜底响应并告警。

实现题：用 OpenAI Agents SDK 实现一个带 max_turns 和超时控制的 Agent 运行器。
原理题：为什么说"Agent 生命周期的可观测性比准确率更重要"？

参考要点：准确率是结果指标，可观测性是过程指标；Agent 多轮迭代，无法定位卡点就无法优化；生产环境需要知道每轮的输入输出耗时才能排障。

对比题：Agent 的"自然终止"和"强制终止"有何区别？分别何时使用？

练习题¶

基础实现：用 OpenAI Agents SDK 实现一个"天气查询 Agent"，工具为 get_weather(city)，设置 max_turns=5，观察不同问题下的实际轮数。
错误注入：在示例 2 基础上，构造一个 80% 概率失败的工具，验证熔断机制是否生效，并统计平均重试次数。
可观测性：为 Agent 循环增加日志，记录每轮的 tool_name、耗时、token 数，输出为 JSONL 文件便于分析。

小结¶

Agent 生命周期是构建可靠 Agent 的地基。本章核心：Agent 不是一次调用，而是"初始化—感知—决策—行动"的迭代循环；终止条件（max_turns、完成信号）防止失控；错误处理（重试、回传、熔断）保障鲁棒；可观测性支撑持续优化。掌握生命周期后，下一步要解决"Agent 如何规划多步任务"——这正是第 2 章的主题。