长任务 agent 的失败更像环境问题而非提示词问题

Confident_Analysis89 · reddit · 2026-07-24

作者认为，agent 一旦跑到几个小时，很多失败就不再是“提示词写得不好”，而是更像环境问题：旧文档、从仓库里抄到坏模式、上下文越堆越满、校验不够、停止条件设计不好。
他们把真正的关键点称为 harness engineering：AGENTS.md 应该保持简短、只充当地图；重要规则要下沉到 lint 和运行时检查里，而不是全靠 prompt 记忆。
对 evaluator-agent 这类“规划器 / 生成器 / 评估器”拆分方案，作者仍然犹豫。一次实验里，这种拆分确实做出了一个能上线的应用，但核心功能是坏的，而且成本大约高了 20 倍。
目前的结论是：先用硬性检查和真实运行证据打底，只在常规测试无法判断的地方再加独立评估器。

「编程与Agent」频道最新