ഇത് എങ്ങനെ ശ്രദ്ധിക്കപ്പെടാതെ പോകുന്നു
നിങ്ങളുടെ agent ഇപ്പോഴും പ്രവർത്തിക്കുന്നു. Terminal നീങ്ങിക്കൊണ്ടിരിക്കുന്നു. പക്ഷേ അഞ്ചാം തവണയും അതേ കാര്യം ചോദിച്ചു. സെഷൻ loop-ൽ കുടുങ്ങിയിരിക്കുമ്പോഴും activity ആശ്വാസകരമായി തോന്നാം.
Agent Git status തുടർച്ചയായി പരിശോധിക്കുന്ന ഒരു coding task ഭാവനയിൽ കണ്ടുനോക്കൂ. ഒരു തവണ ഉപകാരപ്രദമാണ്. തുടർച്ചയായ അഞ്ച് സമാന കോളുകൾ അടുത്ത ഘട്ടം നഷ്ടപ്പെട്ടതിന്റെ സൂചനയാകാം. പല സെഷനുകളിലൂടെ, ഒരേ അപൂർണ്ണ task-ലേക്ക് മടങ്ങുന്നതുവരെ ഈ pattern തിരിച്ചറിയാൻ പ്രയാസമാണ്.
ClawMetry എന്ത് detect ചെയ്യുന്നു
ClawMetry ഒരേ arguments ഉള്ള ആവർത്തിച്ച tool കോളുകളും, tool names-ന്റെ ചെറിയ repeating cycles-ഉം തിരയുന്നു. ആവർത്തനം applicable threshold കടക്കുമ്പോൾ, ഒരു stuck loop warning ഉയർത്തുന്നു. Finding-ൽ pattern, tool, repeat count എന്നിവ ഉൾപ്പെടുന്നു.
Finding മാറ്റുന്ന വ്യത്യാസം
Trigger ആകുന്ന ഉദാഹരണം
5 സമാന കോളുകൾ
Warning finding
നിശബ്ദ താരതമ്യം
8 വ്യത്യസ്ത arguments
ഈ detector-ന് finding ഇല്ല.
പരിശോധിച്ച ഉദാഹരണത്തിൽ, അഞ്ച് സമാന Git status കോളുകൾ ഒരു warning ഉണ്ടാക്കുന്നു. വ്യത്യസ്ത file arguments ഉള്ള എട്ട് കോളുകൾ ഈ detector-നെ നിശബ്ദമാക്കുന്നു. ആവർത്തിച്ച പ്രവർത്തനമാണ് പ്രധാന വ്യത്യാസം. Threshold-കൾ runtime-ഉം learned baseline-ഉം അനുസരിച്ച് മാറാം, അതിനാൽ അഞ്ച് ഒരു ഉദാഹരണം മാത്രം, universal rule അല്ല.
Detector result പരിശോധിക്കുക
{
"kind": "stuck_loop",
"severity": "warning",
"evidence": {
"pattern": "identical",
"tool": "Bash",
"repeats": 5,
"total_tool_calls": 5,
"threshold": 3,
"threshold_source": "static"
}
}Inputs-ഉം complete results-ഉം download ചെയ്യുക (JSON)ഉദാഹരണം എങ്ങനെ പരിശോധിച്ചു
ഈ ഉദാഹരണങ്ങൾ authored event data-യോ disposable configuration files-ഓ ഉപയോഗിച്ച് published detector evaluate ചെയ്യുന്നു. Videos ആ behaviors ചിത്രീകരിക്കുന്നു. ഇവ live agents-ന്റെയോ product interface-ന്റെയോ recordings അല്ല. ഉദാഹരണങ്ങളിലെ ഒരു command-ഉം execute ചെയ്തിട്ടില്ല.
Result ഈ inputs-നുള്ള behavior സ്ഥാപിക്കുന്നു. Runtime ingestion, prevention, അല്ലെങ്കിൽ real compromise സ്ഥാപിക്കുന്നില്ല. Pinned source contract പരിശോധിക്കുക.
അടുത്തതായി എന്ത് പരിശോധിക്കണം
ആവർത്തിച്ച ഘട്ടവും അതിന്റെ results-ഉം പരിശോധിക്കുക. Agent മാറ്റം വരാൻ കഴിയാത്ത എന്തോ കാത്തിരിക്കുകയാണോ? ഒരു missing dependency-യോ വ്യക്തമായ next action-ഓ ആവശ്യമുണ്ടോ? Finding ഉപയോഗിച്ച് cycle സ്വയം തകർക്കുക, പിന്നെ ഉപകാരപ്രദമായ പ്രവർത്തനം പുനരാരംഭിക്കുന്നുണ്ടോ എന്ന് നോക്കുക.
- ആവർത്തിച്ച ഘട്ടം പരിശോധിക്കുക
- എന്താണ് കുറവെന്ന് നോക്കുക
- ഒരു നിർദ്ദിഷ്ട അടുത്ത നടപടി നൽകുക
ഈ signal എന്ത് സ്ഥാപിക്കുന്നു
ആവർത്തനം മനഃപൂർവ്വം ആകാം. ഈ finding കാരണം നിർണ്ണയിക്കുന്നില്ല, സെഷൻ നിർത്തുന്നില്ല, അല്ലെങ്കിൽ ചെലവ് cap ചെയ്യുന്നില്ല.