递归编码智能体会烧爆配额
ke1lle · reddit · 2026-07-11
作者测试一个用于编码工作流的递归智能体时，使用 Minimax m3 很快把 API 配额耗光，原因是一个小小的 JSON 错误触发了“计划—分析—重试—总结”的死循环，导致请求数和 token 消耗飙升。
他强调，递归智能体的真实成本不能只看上下文长度和单次价格，还要考虑循环放大效应。为此，他把方案改成通过一个聚合网关统一接入多个模型：长上下文编码任务走 Minimax m3，重度推理和工具调用走 glm 5.2，深度调试走 Kimi k2.7 code。
文章给出的工程建议是：在递归 agent 里必须预设最大递归深度、单任务 token 上限、重试次数限制、超时和异常熔断开关，并本地记录每次请求与模型选择，防止后台无限自我总结。
「编程与Agent」频道最新
- 生产级 AI Agent 常规评测 95% 稳健，遭定向攻击后跌至 37% — njyx · 2026-10-27
- Grok Bot 分析 AI 评论、Codex 开浏览器批量拉黑，两 agent 接力工作流 — vista8 · 2026-10-27
- huggingface_hub 2.3.0 发布：百万文件列取从分钟级降到 20 秒 — lhoestq · 2026-10-27
- Nous Research 发布 Advanced Delegation 插件，子智能体可按任务选模型 — NousResearch · 2026-10-27
- 不上 X 的牙医邻居玩转 Codex，编程门槛正在消失 — gabrielchua · 2026-10-27
- 斯坦福 PaperFormalizer：把论文自动转成 Lean 验证版本 — StanfordUniversity · 2026-10-27