端到端 Agent 完整链路：从输入到证据化交付

一个可用的 Agent 不是单次模型请求，也不是只有 while + tool call。完整系统需要把用户目标、上下文、计划、调度、模型决策、解析、执行、验证、恢复和交付连接成一条可观测链路。

1. 总体链路

这张图里有三种不同性质的组件：

• 模型决策：理解目标、提出计划、选择下一动作、综合结果；
• 确定性运行时：身份、schema、调度、权限、执行、预算、状态提交和验证；
• 持久化边界：session、checkpoint、event、artifact、Memory 与最终交付。

把三者分开，才能判断错误来自模型、协议、工具、环境还是状态管理。

2. 1～4：建立可执行输入

2.1 Input / Identity

入口把 Web、CLI、API 或消息平台输入规范化为：

Python复制
from dataclasses import dataclass

@dataclass(frozen=True)
class RunInput:
    run_id: str
    user_id: str
    workspace_id: str
    locale: str
    request: tuple["MessageBlock", ...]
    attachments: tuple["ArtifactRef", ...]
    deadline: int
    budget: "Budget"

Rust复制
struct RunInput {
    run_id: String,
    user_id: String,
    workspace_id: String,
    locale: String,
    request: Vec<MessageBlock>,
    attachments: Vec<ArtifactRef>,
    deadline: u64,
    budget: Budget,
}

JavaScript复制
/**
 * @typedef {{
 *   runId: string,
 *   userId: string,
 *   workspaceId: string,
 *   locale: string,
 *   request: MessageBlock[],
 *   attachments: ArtifactRef[],
 *   deadline: number,
 *   budget: Budget
 * }} RunInput
 */

TypeScript复制
type RunInput = {
  runId: string
  userId: string
  workspaceId: string
  locale: string
  request: MessageBlock[]
  attachments: ArtifactRef[]
  deadline: number
  budget: Budget
}

身份和 workspace 决定数据范围与工具权限。附件先成为受控 artifact，不直接把任意字节拼入 prompt。

2.2 Success Contract

把自然语言目标转成可检查契约：

yaml复制
goal: 修复创建文件夹失败并补齐 Agent 学习内容
deliverables:
  - code changes
  - markdown documents
  - cloud data sync
acceptance:
  - folder create test passes
  - typecheck and unit tests pass
  - deployed page exposes new content
evidence:
  - git diff
  - test reports
  - database counts and hashes
  - deployment status and browser check
non_goals:
  - unrelated redesign

成功契约不一定全由模型生成。用户明确要求、仓库规则和 CI gate 具有更高确定性，应由运行时合并并保留来源。

2.3 Load Session / Checkpoint

新 run 建立初始 state；恢复 run 读取：

• 最近 committed event；
• 当前计划版本；
• ready/running/waiting task；
• pending tool call 和 side effect；
• artifact 与 EvidenceItem；
• 预算消耗；
• compaction summary；
• cancellation/approval 状态。

先 reconcile 未确认副作用，再继续调用模型，避免恢复后重复执行。

2.4 Context Assembly

Context Builder 从 policy、目标、计划、历史、工具、检索、Memory 和最新观察选择本轮最小充分集合，输出 provider request 和 ContextManifest。它不等于把数据库里的全部消息读出来。

3. 5～7：路线、计划与调度

3.1 Route / Capability Selection

Router 决定本轮使用：

• 普通确定性 workflow；
• 单 Agent loop；
• 专用模型/多模态模型；
• 某个 Skill 或 tool bundle；
• Agent-as-tool / specialist；
• 人工审批节点。

路由依据包括任务类型、模型 capability、上下文长度、工具需求、延迟和预算。Route decision 进入 trace 并通过固定任务集评测。

3.2 Plan / Task Graph

Planner 把目标变成可验收步骤，显式记录 dependency、input、output、write scope、budget 和 acceptance criteria。计划是可变假设，不是已经发生的事实。

3.3 Schedule Ready Tasks

Scheduler 使用确定性规则选择依赖已满足的任务：

Text复制
ready(task) =
  task.status == queued
  AND every dependency succeeded
  AND resource lock available
  AND concurrency/budget available
  AND task belongs to current plan version

Planner 回答“做什么”，Scheduler 回答“何时可以做、由谁做”。并发、背压、资源锁、lease 和失败传播不应只交给 prompt。

4. 8～10：模型请求与 Output Parser

4.1 Model Decision

Model Adapter 发送已经装配的请求，接收流式或非流式 provider events，并记录：

• model/provider 与 capability；
• request/response ID；
• token/缓存/延迟；
• stop reason；
• tool call content blocks；
• provider error 与 retry attempt。

4.2 Output Parser

Parser 依次执行：

Text复制
raw provider events
-> assemble content/tool deltas
-> protocol completeness
-> normalized ModelResponse
-> JSON/schema validation
-> domain/state validation
-> ToolDecision | FinalCandidate

它区分 native structured output、tool calling、JSON mode 和自由文本兼容路径。结构可解析只代表格式成立，不代表事实和业务成功。

4.3 Decision

规范化输出常见分支：

• 调用一个或多个工具；
• handoff / specialist；
• 请求必要输入；
• 更新计划；
• 给出 final candidate；
• provider 或 model behavior error。

每个分支都有显式 event 和预算变化。

5. 11～13：执行、观察与重规划

5.1 Policy / Executor

Tool Executor：

1. 解析工具版本；
2. normalize arguments；
3. schema/domain/state guard；
4. policy 与 approval；
5. idempotency、reservation 与 lock；
6. adapter 执行；
7. timeout/cancellation；
8. ToolResult 规范化；
9. evidence 抽取和独立验证；
10. state/trace commit。

文件、terminal、浏览器、数据库等 adapter 有各自语义；统一外壳不应抹掉退出码、HTTP 状态、事务或部分成功。

5.2 Observation / Evidence

Observation 是给 Agent 的有界事实；Evidence 是可追溯的原始或结构化证明：

Text复制
Observation:
  "typecheck failed: 2 diagnostics; first at app/a.ts:42"

Evidence:
  test-report://run_123/typecheck
  file://workspace/app/a.ts#L42-L48
  process://proc_88 { exit_code: 2, stdout_hash: ... }

观察可以压缩，证据引用必须稳定。

5.3 Progress Update / Replan

Reducer 根据 ToolResult 更新 task state。Planner 只在以下情况重规划：

• 原假设被环境观察推翻；
• 依赖或接口改变；
• 验收失败且原步骤不再合适；
• 预算/权限使原路径不可行；
• 新任务必须加入图。

计划变更产生新版本，并使依赖旧输出的下游任务失效。不要在每一轮无条件重写整份计划。

6. 14～16：Finalizer、持久化与返回

6.1 Finalizer / Validation

Final candidate 进入四层验证：

1. 协议：所有 tool call 有结果，输出类型完整；
2. 结构：必填字段、artifact 和格式；
3. 任务：成功契约逐项满足；
4. 外部状态：文件、数据库、部署或消息的真实状态。

可修复失败且预算允许时，ValidationResult 回到 Agent 成为 observation；deadline、硬失败或不可消解的 unknown 状态则以明确 stop reason 结束。

6.2 Artifact / Trace / Memory Commit

结束前提交：

• 最终回答和结构化结果；
• 文件、报告、diff、截图等 artifacts；
• EvidenceItem / ValidationResult；
• 完整 trace 与成本；
• plan/task 最终状态；
• 适合长期保存的 Memory 候选；
• 未完成、部分成功或 unknown side effect。

Memory 写入是经过策略筛选的派生动作，不是把整个 trace 永久保存。

6.3 Stream / Return Result

用户可在运行中接收进度事件，但最终响应只声明已验证状态。建议结构：

Python复制
from dataclasses import dataclass
from typing import Literal

@dataclass(frozen=True)
class RunResult:
    outcome: Literal["completed", "partial", "failed", "cancelled"]
    final_output: tuple["MessageBlock", ...]
    deliverables: tuple["ArtifactRef", ...]
    validation: tuple["ValidationResult", ...]
    unresolved: tuple["UnresolvedItem", ...]
    usage: "UsageSummary"
    trace_ref: str

Rust复制
enum RunOutcome {
    Completed,
    Partial,
    Failed,
    Cancelled,
}

struct RunResult {
    outcome: RunOutcome,
    final_output: Vec<MessageBlock>,
    deliverables: Vec<ArtifactRef>,
    validation: Vec<ValidationResult>,
    unresolved: Vec<UnresolvedItem>,
    usage: UsageSummary,
    trace_ref: String,
}

JavaScript复制
/**
 * @typedef {{
 *   outcome: 'completed'|'partial'|'failed'|'cancelled',
 *   finalOutput: MessageBlock[],
 *   deliverables: ArtifactRef[],
 *   validation: ValidationResult[],
 *   unresolved: UnresolvedItem[],
 *   usage: UsageSummary,
 *   traceRef: string
 * }} RunResult
 */

TypeScript复制
type RunResult = {
  outcome: 'completed' | 'partial' | 'failed' | 'cancelled'
  finalOutput: MessageBlock[]
  deliverables: ArtifactRef[]
  validation: ValidationResult[]
  unresolved: UnresolvedItem[]
  usage: UsageSummary
  traceRef: string
}

7. 端到端示例：修复一个仓库 issue

逐步解释：

1. 先定位和复现，避免依据 issue 文本直接改代码；
2. 文件读取带 hash，patch 使用 compare-and-swap；
3. Terminal 结果区分 stdout、stderr、退出码和 timeout；
4. 目标测试验证修复，相关回归减少邻近破坏；
5. Finalizer 还检查 diff 范围、产物和未提交文件；
6. 最终“完成”来自 ValidationResult，不来自模型一句话。

8. 跨模块不变量

1. 每个模型请求都有 ContextManifest；
2. 每个 provider 响应保留 raw ref 和 normalized result；
3. 每个 tool call 恰好对应一个 ToolResult；
4. 每个副作用都有幂等身份和验证；
5. Planner、Scheduler、Runner、Executor 分层；
6. Observation 不伪装成 Evidence；
7. 可修复验证失败回到 loop，而非立即丢弃；
8. deadline、取消和预算由运行时强制；
9. checkpoint 只在必要状态已持久化后前移；
10. final output 的完成声明能映射到成功契约。

9. 每层最常见的失败

10. 学习与实现顺序

1. 先实现单 Agent model -> tool -> observation -> final；
2. 加入结构化 ToolResult、终止和预算；
3. 增加 ContextManifest 与 Output Parser；
4. 用 Success Contract 和 Finalizer 验证；
5. 加入 plan/task graph 与确定性 scheduler；
6. 再做 checkpoint、worker、middleware 和多 Agent；
7. 每增加一层，先加入 trace、故障注入和回归任务。

复杂框架替代不了清晰契约。最小可验证系统通常比一次加入所有组件更容易获得稳定成功率。

参考资料

• Anthropic：Building effective agents
• OpenAI Agents SDK：Running agents
• LangGraph：Workflows and agents
• Google ADK：Runtime event loop
• Microsoft Agent Framework：Workflows