受控任务执行 Agent
把模糊目标拆成步骤，按权限调用工具并保留可恢复的执行记录。
PythonOpenAI Agents SDKPostgreSQLRedis
目标用户
需要自动化多步骤内部流程的团队。
面试价值
系统展示 Agent Loop、状态、工具安全、可观测性和 Eval。
核心架构
控制层维护任务状态、预算和终止条件，模型负责受约束决策，工具层执行最小权限动作，事件日志支持断点恢复与审计。
实现步骤
- 01定义状态与工具契约
- 02实现循环和预算
- 03加入确认点与补偿操作
- 04建立轨迹评估集
核心功能
- 任务拆解
- 工具选择
- 状态持久化
- 人工确认
- Trace 复盘
技术难点
- 终止条件
- 幂等与补偿
- 权限边界
- 长任务恢复
交付与验收
测试策略
- 状态转换单元测试覆盖完成、阻塞、失败和取消
- 工具契约测试验证参数、权限、幂等和错误分类
- 轨迹评估检查任务成功、合法工具集合与步骤预算
部署步骤
- 控制服务与工具执行器使用独立身份和权限
- 任务状态与事件先持久化，再确认外部副作用
- 灰度发布新模型和工具版本，异常时恢复旧执行策略
验收清单
- 最大步数、时间、Token 和工具预算均可生效
- 副作用工具重试不会重复执行业务动作
- 人工拒绝后 Agent 不得绕过确认继续执行
- 进程重启后可从最后检查点恢复任务
3 分钟讲解
- 30 秒说明开放任务为何需要受控循环
- 60 秒讲状态、工具、预算和事件日志架构
- 60 秒演示审批、失败补偿和断点恢复
- 30 秒总结成功率、平均步骤和越权测试
简历表达
实现受控任务 Agent，支持工具白名单、状态持久化、人工审批、失败补偿和执行轨迹评估。