我的 Agent 跑了一晚上，早上起来发现它还在搜索，已经调用了200次 API。
这不是 bug，这是我没写停止条件。
给 Agent 写提示词和给 GPT 写提示词，最大的区别不是工具调用，而是停止条件。GPT 是一次性输出，Agent 是持续运行。如果你不告诉它什么时候停，它就会一直跑下去——直到 API 额度耗尽，或者你手动 kill 掉。
真实失败案例
任务： 让 Agent 找到3个支持”AI 正在改变教育”的数据。
我的提示词（第一版）：
> 任务目标：找到3个可验证的数据，支持”AI 正在改变教育”这个观点。
>
> 要求：
> – 每个数据有明确来源
> – 数据时间在2023年之后
> – 数据之间有逻辑关联
结果： Agent 搜索了50次，找到了20个数据，但一直在继续搜索，因为它觉得”还可以找到更好的”。
问题： 我只定义了成功标准（3个数据），但没定义停止条件（找到3个后立刻停止）。
停止条件的三种类型
类型1：任务完成（Success Stop）
定义： 达到目标后立刻停止，不要继续优化。
Before（没有停止条件）：
> 任务目标：找到3个数据。
After（有停止条件）：
> 任务目标：找到3个数据。
> 停止条件：找到3个符合标准的数据后，立刻停止搜索，不要继续寻找”更好的”数据。
关键词： “立刻停止””不要继续”
类型2：证据充分（Evidence Stop）
定义： 当证据足够支撑结论时停止，不要追求完美。
Before（没有停止条件）：
> 任务目标：分析这个方案的可行性。
After（有停止条件）：
> 任务目标：分析这个方案的可行性。
> 停止条件：当你有足够证据判断”可行”或”不可行”时停止，不需要穷尽所有可能性。
关键词： “足够证据””不需要穷尽”
类型3：错误处理（Error Stop）
定义： 遇到无法解决的问题时停止，报告当前进展。
Before（没有停止条件）：
> 任务目标：找到这个问题的解决方案。
After（有停止条件）：
> 任务目标：找到这个问题的解决方案。
> 停止条件：
> – 如果尝试5次仍未找到可行方案，停止并报告当前进展
> – 如果遇到无法访问的资源，跳过并继续
> – 如果发现问题本身无解，立刻停止并说明原因
关键词： “尝试N次后停止””无法解决时停止”
Before/After 对比
案例1：数据搜索任务
Before（只有目标，没有停止条件）：
> 任务目标：找到3个支持”远程工作提高生产力”的研究数据。
>
> 要求：
> – 数据来自权威机构
> – 时间在2022年之后
问题： Agent 会一直搜索，试图找到”最权威”的数据。
After（有明确停止条件）：
> 任务目标：找到3个支持”远程工作提高生产力”的研究数据。
>
> 成功标准：
> – 数据来自权威机构（学术期刊、知名咨询公司、政府报告）
> – 时间在2022年之后
>
> 停止条件：
> – 找到3个符合标准的数据后，立刻停止
> – 如果搜索10次仍未找到3个，报告当前找到的数据并说明原因
> – 如果发现”远程工作降低生产力”的反向证据，也记录下来
改进： 明确了什么时候停（找到3个），什么时候放弃（搜索10次），以及如何处理意外情况（反向证据）。
案例2：代码审查任务
Before（只有目标，没有停止条件）：
> 任务目标：审查这段代码，找出所有潜在问题。
问题： “所有潜在问题”是无限的，Agent 会一直找下去。
After（有明确停止条件）：
> 任务目标：审查这段代码，找出关键问题。
>
> 优先级：
> – P0：安全漏洞、数据泄露风险
> – P1：性能瓶颈、逻辑错误
> – P2：代码风格、可读性问题
>
> 停止条件：
> – 找到所有 P0 和 P1 问题后停止
> – P2 问题只报告明显的，不要深挖
> – 如果代码超过1000行，只审查核心逻辑部分
改进： 用优先级代替”所有”，明确了审查深度。
案例3：方案对比任务
Before（只有目标，没有停止条件）：
> 任务目标：对比三个云服务商（AWS、Azure、GCP），给出推荐。
问题： 对比维度是无限的，Agent 会一直对比下去。
After（有明确停止条件）：
> 任务目标：对比三个云服务商（AWS、Azure、GCP），给出推荐。
>
> 对比维度：
> – 价格（必须）
> – 性能（必须）
> – 易用性（必须）
> – 生态（可选）
>
> 停止条件：
> – 完成三个必须维度的对比后，给出推荐
> – 如果某个维度数据不全，说明并继续
> – 不要深挖可选维度，除非前三个维度无法决策
改进： 区分了必须和可选，避免无限扩展对比范围。
五个场景的停止条件写法
场景1：搜索任务
> 停止条件：
> – 找到N个结果后立刻停止
> – 搜索M次仍未找到，报告当前进展
> – 遇到付费墙或无法访问的资源，跳过
场景2：分析任务
> 停止条件：
> – 当你有足够证据支撑结论时停止
> – 不要追求100%确定性，80%置信度即可
> – 如果数据互相矛盾，报告矛盾并停止
场景3：生成任务
> 停止条件：
> – 生成一个符合标准的版本后停止
> – 不要生成多个版本让我选
> – 如果第一次生成不符合标准，最多重试2次
场景4：调试任务
> 停止条件：
> – 找到根本原因后停止，不要继续找其他可能原因
> – 如果尝试5种方法仍未解决，报告当前进展
> – 如果问题超出你的能力范围，立刻说明
场景5：优化任务
> 停止条件：
> – 达到目标性能后停止（如响应时间<100ms）
> – 不要追求极致优化，够用就行
> – 如果优化带来新问题，回退并报告
自检清单
写完 Agent 提示词后，问自己：
– [ ] 我写了”什么时候停止”吗？
– [ ] 我定义了”失败后怎么办”吗？
– [ ] 我区分了”必须”和”可选”吗？
– [ ] 我的停止条件是可验证的吗？（不是”做得差不多了”，而是”找到3个”）
– [ ] 我考虑了意外情况吗？（资源不可达、数据矛盾、超出能力范围）
如果有任何一个答案是”没有”，你的 Agent 可能会跑飞。
停止条件不是可选项，而是 Agent 提示词的核心。没有停止条件的 Agent，就像没有刹车的车——你永远不知道它会跑到哪里。
Stay updated with our latest AI insights
