预算、停止与人工介入

本节目标

为整个协作系统和每个子任务设置硬上限；把完成、失败、暂停、取消和人工审批做成明确状态。

预算不只有费用

至少考虑七类限制：

• 最大模型调用/工具调用数；
• token 或货币预算；
• 墙钟截止时间；
• 最大并发数；
• 最大委派深度与子任务数；
• 单任务最大尝试/返工次数；
• 对文件、网络、数据库等资源的配额。

全局预算必须覆盖所有子 Agent，不能让每个 Agent 都以为自己拥有完整额度。分配时保留恢复和汇总所需余量；例如研究阶段不能耗尽作者与审查者的额度。

终态要互斥且可解释

建议区分：

• succeeded：验收证据完整；
• failed：确定不能完成，带稳定错误类别；
• denied：策略拒绝；
• budget_exhausted：达到硬限制；
• canceled：用户/上层主动取消；
• waiting_human：暂停，等待审批或澄清；
• partial：按合同允许交付部分结果，明确缺口。

“Agent 说完成了”不能迁移到 succeeded。调度器应检查所有必需任务、输出 schema 和验收器结果。

停止条件

除了成功和预算，还应检测：

• 连续相同动作/消息；
• 没有新增证据的返工循环；
• 相同质量分数多轮不改善；
• 依赖图无法推进；
• 等待对象不存在或租约过期；
• 冲突次数超过阈值；
• 安全策略触发。

停止后保留最后稳定检查点、已验证产物、未完成原因和建议人工动作。不要自动放宽权限或移除护栏以“继续完成”。

人在回路不是一句提示

有效审批必须包含：

• 请求执行的具体动作；
• 目标资源和影响范围；
• 关键输入/输出预览；
• 风险与可逆性；
• 谁有权审批；
• 批准、拒绝、修改、超时各自的状态迁移；
• 审批记录与对应 task/tool call ID。

截至 2026-07-22，OpenAI Agents SDK 的官方 HITL 文档描述了工具调用中断、序列化运行状态以及批准/拒绝后恢复的模式。具体接口会变化，但“暂停而不执行、由外部主体决定、从同一状态恢复”的工程原则稳定。

该 SDK 的中断会在外层 RunState 汇聚（包括 handoff 或嵌套 Agent.as_tool() 中的工具），并可序列化后恢复；这是 SDK 行为，不是对外部授权持久性的保证。序列化状态可包含应用 context 和运行元数据，因此必须按持久数据治理：不要把秘密或宽泛能力令牌塞进 context；生产审批仍由独立的身份、作用域、过期与审计系统在执行边界复验。OpenAI Agents SDK：Human-in-the-loop（访问于 2026-07-22）

哪些动作通常需要人工决定

• 对外发送、发布、支付、删除或不可逆写入；
• 扩大数据访问或权限；
• 处理健康、法律、财务等高影响决定；
• 多个证据冲突且自动仲裁风险高；
• 用户意图存在会改变结果的歧义；
• 预算需要实质扩容。

低风险、可逆、充分验证的重复动作可以按策略自动批准，但应能撤销授权。

预算分配示例

总调用上限 20
  经理与路由：4
  两个并行专家：各 5
  汇总：3
  审查/修正：3
总截止 60 秒，单工具 10 秒，最多并发 2
委派深度 1，单任务最多 2 次尝试

若一个专家提前用完 5 次，不得占用审查预算；经理可选择部分交付或停止。

练习与自测

为“生成并发布周报”列出预算和至少两个审批点。自测：审批超时属于失败还是 waiting_human？用户取消后，已启动的并行 Agent 和工具如何收到取消信号？

下一步

继续 评测、可观测性与安全边界。

参考资料

• OpenAI Agents SDK：Human-in-the-loop（访问于 2026-07-22）
• OpenAI Agents SDK：Running agents（访问于 2026-07-22）