公司裡有一種很熟悉的場面。

主管問：「上週交代的事情處理得怎麼樣？」

同仁回答：「正在進行。」

這四個字的涵蓋範圍非常廣。可能已經完成八成，也可能剛建立一個名為「新版＿真的最新版＿最後版」的空白檔案。

AI Agent 也有類似的職場生態。

你交代它整理資料、執行程式、呼叫其他代理，剛開始看起來一切順利。過了半小時，畫面仍然沒有動靜。此時可能有四種情況：

  1. 它正在認真處理。
  2. 它在等某個外部服務回應。
  3. 它用同一個錯誤方法試了第十七次。
  4. 它早已忘記原任務，開始撰寫一支沒人要求的 Python 程式。

最麻煩的地方，在於這四種情況看起來完全一樣：都沒有回話。

程序還活著，不代表事情有進展

最近看到一則 Reddit 討論，有人問如何監看子代理（Sub-agent）。他的代理發生例外狀況後，會自行增加程式、反覆執行，甚至直接停住。使用者只能查看系統程序，確認它還活著，卻無法知道它到底在做什麼。

這就像晚上十點經過辦公室，看到某位同仁的電腦還亮著。你只能確認電腦沒關，無法判斷他正在趕報告、等待系統回應，還是只是在追劇逃避回家照顧小孩的責任。

討論串裡有個很實用的建議：為每一個步驟留下執行紀錄表（Execution Manifest）。每次呼叫工具，都記錄輸入、輸出、耗時與執行結果。這樣才能看出代理究竟卡在哪裡。Reddit 原始討論串

我的作法：要求代理留下工作紀錄

我目前把這項要求寫進 Codex 的全局設定，規定每一步都要留下執行紀錄表，至少包含：

  1. 任務 ID
  2. 輸入內容摘要
  3. 本步驟允許使用的工具
  4. 實際呼叫了哪些工具
  5. 產生或修改了哪些檔案
  6. 發生什麼錯誤
  7. 最後一次心跳時間
  8. 下一步預定狀態

狀態也不要只寫「進行中」。至少要分成：

  1. 正在處理
  2. 等待外部資源
  3. 準備重試
  4. 需要人工確認
  5. 已偏離原任務
  6. 已完成
  7. 已停止

這相當於要求每位 AI 同仁下班前填工作日誌，而且不能只寫「持續辦理中」。

例如，看到以下紀錄：

14:02 呼叫資料匯入工具 14:03 回傳欄位格式錯誤 14:04 使用相同參數再次呼叫 14:05 回傳相同錯誤 14:06 使用相同參數第三次呼叫

問題就很清楚了。它沒有在努力突破困難，只是在同一扇鎖住的門前連續刷三次員工證。

如果紀錄停在：

14:02 呼叫外部服務 14:32 仍未收到回應 最後心跳時間為 14:02

那就比較接近停住。此時需要的是外部逾時監看（Watchdog Timer），不能繼續等待代理自行報告。已經失去聯絡的同仁，通常不會主動寄信說明自己目前失去聯絡。

這份紀錄表能做到什麼？

執行紀錄表無法阻止 Agent 停住，也無法保證它不會做出奇怪決定。把要求寫在全局設定裡，仍然屬於文字指令。代理遇到例外時，可能忘記更新，甚至一邊偏離任務，一邊很有禮貌地寫紀錄。

但是它至少能回答三個重要問題：

  1. 最後成功完成的是哪一步？
  2. 停住前呼叫了什麼工具，使用了哪些參數？
  3. 它在等待、重試，還是已經改做別的事情？

沒有這些紀錄，Agent 出問題時只能整段重跑。這很像同仁離職後只留下一個名為「請勿刪除」的資料夾，大家知道裡面應該有重要內容，卻沒人敢動。

再加三道簡單限制

如果工作較重要，光有紀錄仍然不夠。還可以增加三項限制：

  1. 每個工具設定最長等待時間，逾時就停止。
  2. 相同錯誤連續出現三次，交由人工判斷。
  3. 限定可用工具與執行範圍，不能自行增加可執行程式。

Reddit 討論也提到，真正穩定的限制應放在代理無法自行修改的執行層。文字寫著「禁止新增程式」，比較像辦公室牆上的標語；系統直接拒絕未經允許的指令，才像門禁。

先做到看得見，再談自動完成

使用 AI Agent 之後，管理問題並沒有消失，只是同仁改成住在電腦裡，而且不會主動承認自己卡住。

因此，建立穩定 Agent 的第一步，可以很簡單：要求它留下工作紀錄。每一步做了什麼、使用什麼工具、產生什麼結果、目前停在哪裡，都要寫清楚。

它不保證代理永遠不出錯。但是下次 Agent 安靜了半小時，我們至少不用盯著畫面猜測：它究竟正在工作，還是已經去茶水間，而且忘了回來。