AI Agente Observabilidad en los bucles: repetición de pruebas contra el progreso

Una llamada repetida a la herramienta no es suficiente para llamar a un agente AI atascado. Marquear un bucle sólo cuando se repite una secuencia de acción normalizada, la evidencia específica de la tarea no cambia, y ni una dependencia declarada ni un nuevo intento dentro de la política explican la repetición. Esa regla capta tanto los ciclos A A A A como A B A B sin errores de paginado, retroceso o espera de aprobación para fallas. El mínimo práctico es una ventana de observación que contiene cuatro tipos de pruebas: firmas de acción segura, huellas dactilares de progreso, hechos de política de retraso y contratos de arrendamiento de dependencia. Mantenga el rastro crudo para el diagnóstico, pero no deje que el número de llamadas o el éxito de la duración se conviertan en el veredicto de salud. Una llamada repetida es actividad, no todavía un bucle Los tiempos de funcionamiento de los agentes ya exponen la actividad detallada. El Documentación de seguimiento de SDK de OpenAI Agents enumera generaciones, llamadas de funciones, barandillas, entregas y extensiones personalizadas. El OpenTelemetry Convenciones de extensión de agentes de GenAI actual, marcado Desarrollo, describe operaciones para invocar agentes y flujos de trabajo, planificación y ejecución de herramientas. Esos registros pueden establecer que una operación se ejecutó, cuánto tiempo tomó y si devolvió un error. No pueden definir lo que el movimiento útil significa para su tarea. Cuatro llamadas a fetch page pueden recopilar cuatro páginas de resultados diferentes. Cuatro llamadas a search con la misma consulta normalizada y la misma evidencia aceptada puede ser un bucle. El nombre de la operación es idéntico en ambos ejemplos. Comienza derivando dos valores para cada evento consecuente: El valor Ejemplo Propósito actionSignature search:topic:timeout Comparación de la acción semántica después de que se eliminen los campos volátiles progressFingerprint brief:sha 4 Registra una proyección segura de la evidencia de la tarea después de la acción Una firma de acción debe conservar argumentos que cambien el significado de la acción y descartar valores que solo crean ruido. Mantenga un token de página, clase de destino, consulta normalizada, nombre de herramienta y alcance de permisos cuando afecten al comportamiento. Elimine las identificaciones de solicitud, los sellos de tiempo del reloj de la pared, las semillas aleatorias, las identificaciones de rastreo y las claves JSON reordenadas cuando no lo hagan. La huella digital del progreso responde a una pregunta separada: ¿qué observación duradera sería diferente si este paso ayudara? Para un agente de código, podría combinar la digestión canónica del árbol Git con el resultado de la prueba objetivo. Para una investigación, podría cubrir las identidades de las fuentes aceptadas y el breve resumen. Para un trabajo de publicación, podría combinar el registro de contenido, la identificación de recursos públicos y el estado de verificación. No utilice la declaración del modelo de que hizo progresos. Encuentra el ciclo más corto, y luego prueba su efecto Un primer detector útil pregunta si la ventana de acción completa puede describirse con un corto período de repetición. La función siguiente comprueba los períodos de uno a tres y requiere al menos dos repeticiones: Para search, search, search, search , se devuelve el período uno. Para search, read, search, read, search, read , se devuelve el período dos. Un contador de duplicados adyacentes capta la primera secuencia pero pierde la segunda. La periodicidad por sí sola no demuestra un estancamiento. Evaluar el período junto a las huellas dactilares del progreso: El orden es importante. Compruebe la accesibilidad antes de interpretar una ventana de acción. Homen una dependencia sólo cuando nombra a un propietario y tiene una fecha límite sin vencer. Requiere pruebas completas y seguras antes de calcular un bucle. Una huella digital faltante no es un permiso para inferir no progreso; produce uncertain . Reproduzco esa orden de decisión contra seis instantáneas sintéticas en un tiempo de observación fijo: El caso Secuencia o condición Resultado Paginación del catálogo Cuatro firmas de páginas distintas; huellas dactilares crecen de 50 a 182 filas working Servicio de apoyo del proveedor Tres llamadas idénticas; error retrievable; retrasos de 2s y 4s retrying Localización de la misma llamada Cuatro búsquedas idénticas; digestión inalterada de la evidencia stuck loop , período 1 Oscilación de búsqueda/lectura Tres repeticiones de un par A/B; digestión breve sin cambios stuck loop , período 2 Esperanza de aprobación Repetición más propietario nombrado y plazo futuro waiting Pruebas redactadas Escriba repetidamente pero no tiene huellas dactilares de progreso seguro uncertain El comando del artefacto era: Regresó seis afirmaciones pasadas, cero fallas, y exactamente los dos casos de bucle previstos. Este es un ensayo unitario falsificable para la regla, no una prueba de que estas proporciones ocurran en la producción. Mantenga retemps limitados, pagination, y esperar fuera del bucket del bucle Prueba de prueba requiere más que un contador. Registre la clase de error, la política aplicable, el número de intento y el retraso real. El Funcciones de paso de AWS Documentación de manejo de errores proporciona un ejemplo concreto de este contrato: un retrier coincide con errores denominados y utiliza campos como IntervalSeconds , MaxAttempts y BackoffRate . Las lecciones transferibles son límites explícitos, no un requisito para usar las funciones de paso. En la fijación, tres llamadas de proveedor con rate limit permanecen retrying porque el error está permitido, el recuento de retas está dentro de la política y las lagunas observadas satisfacen la espera de 2 segundos y luego de 4 segundos de respaldo. El detector calcula un ciclo de período uno, pero la prueba de nuevo tiene prioridad. Si el error se vuelve irrevocable, los retrasos se desmoronan o el presupuesto del intento se agota, esa excepción ya no se aplica. La páginación necesita una protección diferente. No normalice el cursor o el token de página si cambia la parte solicitada. Más importante aún, compruebe el efecto: el recuento de filas aceptado o la digestión del conjunto de resultados deben cambiar. Una herramienta puede circular a través de diferentes cadenas de cursor mientras el destino permanece sin cambios, por lo que la variación de argumento sin un delta de progreso es una evidencia débil. Esperar requiere un contrato de arrendamiento en lugar de un estado de texto libre: Una vez transcurrido el plazo, reclasifique de las pruebas restantes. Limite las renovaciones y retenga al propietario. De lo contrario, un agente puede ocultar un bucle detrás de un mensaje de entrada que se actualiza indefinidamente. Calibra la ventana de observación alrededor del trabajo El dispositivo utiliza un máximo de seis eventos de acción y búsquedas de hasta tres períodos. Estos valores hacen que el ejemplo sea inspectable; no son fallos universales de producción. Elige la ventana entre el ritmo normal del flujo de trabajo y el ciclo más corto y dañino que necesites capturar. Un agente de codificación interactivo puede repetir un mal patrón de lectura/editación/prueba en cuestión de minutos. Un agente de investigación programado puede volver a visitar una fuente después de una hora por una razón legítima. Utilice repeticiones históricas sanas y de incidentes para medir el retraso de detección y los falsos positivos antes de adjuntar las alertas. Persisten pruebas suficientes para reproducir cada transición: Almacenar un digesto con llave o una proyección no sensible cuando la evidencia subyacente podría exponer datos de clientes, instrucciones, secretos o caminos absolutos. Versión del normalizador de firma y la definición de huellas dactilares. Una normalización cambiada puede parecer una recuperación o un incidente repentino. Alerta sobre una transición de estado, no cada período repetido. Para los coleccionistas ruidosos, se requieren dos ventanas consecutivas con el mismo ciclo y pruebas inalteradas. No dejes que esa histeria retrase un fracaso determinista o una pérdida de permiso difícil. El diagnóstico tampoco autoriza la intervención. Un hallazgo de stuck loop puede justificar la preparación de un empuje limitado, la pausa de un proceso de fuga verificado o la solicitud de revisión humana. No autoriza en silencio un reinicio, cambio de credenciales, eliminación, mensaje externo o reutilización ilimitada. Después de cualquier acción aprobada, exija una nueva huella digital de progreso o un resultado verificado antes de declarar la recuperación. Saber lo que este detector no puede establecer Una huella negativa puede convertir un trabajo saludable en un circuito aparente. Si sólo hashes nombres de archivos, las ediciones útiles a los archivos existentes desaparecen. Si incluye timestamps, el trabajo inalterado se ve fresco. Una firma de acción aleatoria puede producir el fracaso opuesto ocultando un ciclo semántico estable detrás de nuevos ID o argumentos reordenados. Algunos trabajos útiles no son monótono. Un agente de investigación puede rechazar una hipótesis y regresar a una fuente anterior; un agente de codificación puede revertir un enfoque roto. Preservar las transiciones históricas o los cambios de la evidencia aceptada en lugar de asumir que cada contador debe subir. Los períodos cortos también son un límite deliberado. Un ciclo de seis pasos no se detectará en un período máximo de tres. El aumento del techo de ventana y período mejora la cobertura pero cuesta memoria, retrasa el veredicto y aumenta la posibilidad de repetición coincidental. Calibración de incidentes conocidos, y mantener uncertain cuando la evidencia no puede apoyar una conclusión segura. La regla operativa sigue siendo estrecha: la actividad repetida se convierte en un veredicto de bucle solo cuando la secuencia normalizada es periódica, la evidencia útil permanece sin cambios y ningún contrato válido de retoma o dependencia lo explica. Eso es suficiente para convertir un rastro ocupado en un diagnóstico inspectable sin pretender que cada llamada repetida a la herramienta se rompe. Sidewisp se encuentra actualmente en versión preliminar privada. Su sitio público y su biblioteca de artículos están en vivo, pero la colección de agentes de producción salud, adaptadores de tiempo de ejecución y recuperación generalmente no se envían. El Sidewisp está destinado a añadir una capa de salud junto a los tiempos de ejecución existentes, no a reemplazarlos ni a actuar como fijación autónoma. Si la evidencia de bucle es un modo de falla que necesita ver claramente, puede unirse al acceso temprano mientras trata el producto actual como una vista previa en lugar de un monitoreo desplegado.