想用大模型做个能自动查资料写报告的Agent，为什么总是跑着跑着就偏了？

我最近也在折腾类似的流程，感觉跑偏多半不是模型不行，而是每轮搜索结果没做过滤就直接塞回上下文，噪声一多它就开始自己脑补。可以试试每步都强制让它输出结构化的中间结果，比如只保留标题、URL和一句话摘要，下一轮只拿这些干净数据。另外任务目标最好每轮都重新贴一遍，别指望memory能一直记住，这玩意儿长了就稀释了。

这个问题我踩过类似的坑，感觉核心还是把“一口气跑完”的期望放得太高了。多步Agent最容易崩的地方其实是上下文被搜索结果污染，第三轮开始模型看到的已经不是最初的任务，而是自己前面产出的半成品，越滚越歪。我现在会强制每一步都重新注入原始目标，让模型先复述一遍“我要回答什么”再动手，成本不高但能救回不少。另外搜链接胡编这事，别指望模型自己判断真假，最好在工具层做校验，比如抓取失败或者域名对不上就直接丢弃，不让脏数据进上下文。memory也不是越多越好，我后来只保留结论和待办，中间过程全丢，反而稳定很多。架构上我现在更倾向把搜索、总结、写报告拆成独立调用，每步只干一件事，虽然慢一点但可控。模型能力当然有影响，但多数跑偏其实是流程设计让它有机会偏，先把状态管理做扎实比换模型管用。

我也踩过这个坑，感觉根子不在模型，而在每步之间缺个“验收”。我的做法是让Agent每搜完一轮先输出结构化摘要和待验证问题，再决定下一步搜啥，不然它很容易顺着链接一路跑歪。另外memory别只存对话，把原始任务目标单独拎出来每轮重注入，效果会好不少。

这事我踩过一模一样的坑，说白了多半不是模型能力不够，而是你把"搜、想、写"全塞进一个大循环里，它自然越跑越飘。GPT-4单步推理没问题，但让它连续决策十几轮，中间任何一次小偏差都会被后面的步骤放大，最后就变成一本正经地编链接。我后来改成把流程拆成固定的几个阶段，每步只干一件事，比如先让它产出检索关键词，代码去搜、去抓正文，再让模型只做摘要，最后单独一步写报告，中间不让它自己决定"下一步干嘛"。这样虽然没那么"智能"，但稳定性高太多了。记忆那块也别全丢进context，最好维护一个结构化的任务状态，比如当前目标、已确认的事实、待查的问题，每轮只把这几个字段喂回去，比塞一堆历史对话管用。还有个小技巧是给它设个"检查点"，每完成两三轮就让它回头对一遍最初的任务描述，发现偏了就拉回来。你要真想要Agent那种自主性，可以考虑用plan-and-execute的思路，先让它一次性把计划列出来，再逐步执行，比边想边做靠谱。

多步任务还是拆成固定流程吧，让模型只负责单步，别指望它自己记住全局。

多步Agent跑偏太常见了，关键得每步做完先让它自检再往下走，光堆prompt没用。

每轮搜完让它先复述目标再继续，比堆memory管用多了。

我也踩过这个坑，后来发现根子不在prompt多细，而是每轮搜索完没有做状态压缩和任务锚定。我的做法是每一步都让模型先复述一遍当前目标和已完成的部分，再决定下一步动作，偏了就当场拉回来。另外链接胡编基本是上下文塞太多导致的，给搜索工具加个来源校验或者让模型只引用已抓到的URL会好很多。架构上可以试试把规划、执行、校验拆成独立节点，别让一个agent从头包到尾。

这问题我太熟了，多步Agent跑到后面基本就是靠“锚点”续命。我的做法是每轮搜完先让它自己写一句当前结论和还差什么，下一轮必须基于这句继续，不然很容易原地打转或者跑偏。另外胡编链接大概率是上下文塞太多，试试只保留摘要和URL，别把整页内容都喂回去。架构上也可以拆成搜索、验证、写作三个独立节点，每个节点只干一件事，比一个Agent从头扛到尾稳不少。

每轮搜完先让它复述一遍目标再继续，能拦住不少跑偏。

多步Agent跑偏太常见了，我一般每步都强制它重新读一遍原始目标，不然它真会自己加戏。