状态机卡死与熔断

Q：Agent 用状态机编排时，状态机卡死悬停、死循环怎么排查和熔断？

来源：百度 AI Agent前端研发实习生一面

新手答：”加个超时就行了。”

高手答：

状态机卡死有三种典型模式，排查和熔断策略不同：

卡死模式	现象	根因	熔断策略
悬停	停在某状态不转移	等待外部事件（工具超时/用户无响应）或转移条件永远不满足	状态级超时 + 强制转移到 fallback 状态
死循环	A→B→A→B 反复跳转	两个状态互相触发对方的转移条件	转移计数器 + 相同路径出现 N 次触发熔断
活锁	状态在变但任务没进展	每次转移都触发”重新评估”导致回退	进度检测——每 K 步检查目标距离是否缩短

排查手段：

1. 状态转移日志：记录每次 (from_state, event, to_state, timestamp)，卡死时直接看最后几条转移
2. 状态停留时长监控：每个状态设置预期最大停留时间，超时即告警
3. 转移热力图：统计各状态对之间的转移频率，异常高频的路径就是循环点

熔断设计：

每个状态：max_duration = 30s（超时强制离开）
全局：max_transitions = 20（总转移次数上限）
路径级：same_path_count >= 3（同一条转移路径出现3次 → 熔断）
熔断动作：进入 ERROR 终态 → 输出已完成部分 + 错误原因

关键原则：熔断不是”直接报错退出”——而是带着当前上下文进入一个优雅降级状态，告诉用户”已完成 XX，但 YY 步骤无法继续，原因是 ZZ”。

差距在哪：面试官考的是你对”状态机不是银弹”的认知。用了状态机不等于不会死循环——三种卡死模式的识别和分级熔断是核心。只说”加超时”覆盖了悬停但漏了循环和活锁。