简而言之
为每个智能体设定一个可检验、能结束运行的目标,对步数、token(词元)、时间和花费设定硬性上限,并加入循环检测,在它重复自己时让它停下。精简每一步携带的上下文,能用规则做的决定就用普通代码,把简单的子任务交给小模型。智能体消耗的 token 可能是一次聊天的许多倍,所以这些限制很快就能见效。
步骤
- 定义一个成功检查,一旦达到目标就结束运行。
- 对步数、token、时间和花费设定硬性上限,并在运行触及上限时记录下来。
- 检测重复的操作或几乎相同的消息,并停止运行。
- 对旧的历史记录进行总结或删除,让每次调用读取的内容更少。
- 基于规则的决定用普通代码完成,简单的子任务交给小模型。
- 记录每项已完成任务的 token 数,包括重试和失败的运行。
在每个智能体投入生产之前,为它设定限制和停止条件。 智能体会一次又一次地调用模型,而每次调用通常都携带着不断增长的任务历史。
为什么这很重要?
Anthropic 报告称,其智能体消耗的 token(词元)通常约为一次聊天的四倍,多智能体系统则约为十五倍。Cemri 及其同事分析了七个多智能体框架的 1,600 多条运行轨迹,发现了 14 种不同的失败模式,从任务说明不清到智能体未能核查自己的工作。每一种都是花费 token 却得不到结果的方式。
哪些防护措施有效?
- 停止条件。 Green Software Foundation 关于智能体编排的模式建议,在目标达成时就终止智能体循环,而不是运行固定的迭代次数。
- 硬性上限。 大多数框架都支持;例如 OpenAI Agents SDK 有一个
max_turns设置,超过时就会停止运行。上限应当安全地失效:停下来并报告,而不是悄悄重试。 - 循环检测。 标记出重复的工具调用,或智能体之间几乎相同的消息。
- 精简上下文。 向后传递摘要,而不是完整的文档和日志。请参阅如何避免每次都重新发送整段对话。
- 缓存。 同一个问题不要问两次:请参阅如何使用缓存。
什么做法效果最大?
使用能奏效的最简单设计。 一个固定脚本,或者一次提示得当、配有工具的模型调用,往往就能完成任务。其次再加一个有步数限制的单一智能体;只有面对范围广、价值高、真正可以并行的任务时,才使用多个智能体。2026 年英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit(研讨工作坊)指出,成群的智能体陷入循环,是一个真实存在却研究不足的浪费来源。
相关证据请阅读智能体 AI 与 token 浪费。
来源
- How we built our multi-agent research system, Anthropic (2025)
- Why do multi-agent LLM systems fail?, Cemri et al. (2025)
- Running agents (max_turns), OpenAI Agents SDK documentation (2025)
- Optimize agent orchestration to reduce unnecessary model calls, Green Software Foundation, Green Software Patterns (2025)
相关内容
智能体 AI 与 token 浪费
为什么 AI 智能体消耗的 token 和能源可能是一次聊天的许多倍,循环如何造成浪费,以及哪些防护措施能让智能体保持合适规模。
如何把请求路由到更小的模型?
如何把日常请求交给小模型、只把困难请求交给大模型,以及如何调整路由器,避免重试吞掉节省下来的成本。
如何用缓存降低大语言模型调用的能耗?
两种减少大语言模型工作量的缓存:服务商的提示缓存用于重复的上下文,您自己的缓存让相同的问题不必回答两次。
如何使用 AI 智能体和深度研究工具而不造成浪费?
AI 智能体和深度研究模式何时值得付出高得多的 token 用量,以及如何给出清晰的任务说明,让它们尽快完成而不是兜圈子。