治理与长运行韧性¶
0.9.0 为 Agentic 时代加固内核:策略从"处决"改为"引导"、分级授权、可跨 resume 保真的 不透明供应商状态,以及可跨崩溃与 schema 升级续跑的运行。
拒绝是可恢复的,不是致命的¶
默认情况下,策略 deny 被记录为一条失败 observation(policy_denied: <原因>,
不执行工具,failure_count + 1),循环继续——让 planner 得以调整,受 max_failures
与重复动作检测约束。这符合真实 agent 从被挡的一步中恢复、而不是因一次失误放弃整个长
任务的方式。对零容忍路径(安全绕过尝试),可退回硬终止:
分级策略¶
createTieredPolicy / create_tiered_policy 把工具的 side_effect_level 映射到
决策(默认:none/read → 允许,write/destructive → 需审批),支持按工具覆盖;
未知工具默认拒绝(fail closed)。它还实现 filter_tools,可在规划之前把审批级/
拒绝级工具从 planner 可见工具集中裁掉——为原生工具调用把授权前移,而不是浪费一轮后再拒。
不透明的供应商推理状态¶
Action 与 Message 携带可选的 provider_metadata,内核从不检视,但会持久化进事件日志
并在 replay 时重建——resume 后能把模型发出的内容(如加密的扩展思维签名)原样回传给
供应商,保持多轮连续性。
崩溃窗口调解¶
resume 时,若一个 tool_call 的 observation 从未落盘(在执行工具与持久化结果之间崩溃),
会被调解为一条失败的 tool_result_unknown_after_resume observation——让 planner 看到
明确的"结果未知"而不是悄然悬挂的动作(投递是 at-least-once——应验证而非假设)。工具带
exactly-once 回执时可用 reconcile_dangling_tool_calls=False 关闭。
反思文案¶
内核负责停滞检测;提示语归你:
可靠性度量:pass^k¶
评测器报告 pass^k 曲线(pass_hat_k,无偏 C(successes,k)/C(trials,k)),而不只是
全有全无的标量——因为 pass@1 会高估生产可靠性。Markdown 报告展示 pass^2 与最差
pass^k,使可靠性随 k 的衰减可见。