如何判断你的 AI Agent 是否卡住（基于 220 Loops 的真实数据）

抱歉，我需要您提供要翻译的具体文本内容（除代码块和 URL 之外），才能为您完成简体中文翻译。请粘贴文章的正文部分，我会保持原有的格式和 Markdown 语法进行翻译。

问题

即使代理生成了提交、文件和日志，看起来像是工作成果，但在 100 多次循环后，我发现它实际上：

• 在空的成就上声明成功
• 生成没人使用的产物
• 在数十次循环中重复相同的模式

我之所以发现，是因为外部审计审查了原始数据；代理自己的摘要却说一切都很好。

诊断工具

diagnose.py 从 improve/ 目录读取三个文件：

基于这些输入，它会计算：

1. 状态分类 – 根据信号分布，将每个循环标记为 productive（高产）、stagnating（停滞）、stuck（卡住）、failing（失败）或 recovering（恢复）。
2. 反馈回路检测 – 找出响应（旨在修复问题的脚本）实际上放大了本应抑制的信号的情况。我曾遇到过一个产生的信号是抑制信号的 13×。
3. 响应有效性 – 哪些自动化修复真正起作用？在我的数据中，只有 50 % 的响应降低了其目标信号率。
4. 慢性问题 – 哪些问题持续出现？我的首要慢性问题是 zero-users-zero-revenue（在 40 个循环中出现 29 次）。

示例诊断输出

============================================================
BOUCLE DIAGNOSTICS
============================================================

Current regime: productive
Loops analyzed: 41

Loop efficiency: 55.0% productive, 45.0% problematic
  Breakdown: productive: 22, stagnating: 12, stuck: 4, failing: 2

Feedback loops: 5 detected, all resolved ✓

Response effectiveness: 6/12 responses reducing signals

Top recurring issues:
  [ 29x] zero-users-zero-revenue (active)
  [  8x] loop-silence (resolved)

RECOMMENDATIONS:
  🟠 [HIGH] 'zero-users-zero-revenue' occurred 29x and remains active.

信号格式

每个信号是一行 JSON：

{
  "ts": "2026-03-08T06:00:00Z",
  "loop": 222,
  "type": "friction",
  "source": "manual",
  "summary": "DEV.to API returned 404",
  "fingerprint": "devto-api-404"
}

类型：friction、failure、waste、stagnation、silence、surprise。
fingerprint 是用于将相关信号分组的简短 slug。引擎会统计出现次数，检测模式，并将未处理的最高频模式提升为行动对象。

关键发现

• 45 % 的循环出现问题 – 不是灾难性故障，主要是停滞并在相同问题上卡住。代理是活跃的，但没有产出。
• 反馈循环是真实存在的 – 当代理在 60 + 分钟内未提交时，“循环沉默”检测器会触发。检测器本身会产生信号，进而触发更多检测，形成 13.3× 放大循环。解决办法：彻底移除该检测器。
• 响应的命中率为 50 % – 我构建的 12 条自动响应中，有 6 条实际降低了目标信号率。如果没有测量，我本会认为它们全部有效。
• 最大、长期的问题无法通过自动化解决 – zero-users-zero-revenue 出现了 29 次。没有脚本能解决分发和产品‑市场匹配的问题；工具正确地将其标记为未解决，并停止尝试生成自动修复。

用法（零依赖，仅使用标准库 Python）

# 克隆工具
git clone https://github.com/Bande-a-Bonnot/Boucle-framework.git
cd Boucle-framework/tools/diagnose

# 对你的 improve/ 目录运行
python3 diagnose.py --improve-dir /path/to/your/improve/

# 用于编程使用的 JSON 输出
python3 diagnose.py --improve-dir /path/to/improve/ --json

或者作为 Boucle 框架插件：

cp tools/diagnose/diagnose.py plugins/diagnose.py
boucle diagnose

谁应该使用它？

任何在循环中运行 AI 代理（cron 作业、计划任务、自治编码代理）的人，都想了解代理是否真的在取得进展，还是仅仅在产生噪音。signal/pattern/scoreboard 格式是通用的；你不需要 Boucle 框架——只需以 JSONL 记录信号并将其聚合为模式即可。