读 DefaultAgent 的 100 行控制流

返回剖面 · 固定源码 04d809ce

下列伪代码是阅读索引，不是原项目源码复制；InterruptAgentFlow、格式错误和其他异常的分支不能简化成一个“失败”。

messages = [system, user(task)]
while True:
    try:
        query(): 检查限额 → model.query(messages) → 追加 assistant
        execute_actions(): env.execute(actions) → 追加观察消息
    except FormatError: 追加反馈；达到连续阈值则追加 exit
    except InterruptAgentFlow: 追加异常携带的消息（如 Submitted / LimitsExceeded）
    except Exception: 追加 exit，然后重新抛出
    finally: save(output_path)
    if messages[-1].role == "exit": break
return messages[-1].extra

1. run() 初始化 system/user 消息，循环调用 step()，并在每轮尾部检查最后消息的角色。循环
2. step() 直接组合 query() 与 execute_actions()。query() 先检查 step、cost、wall-time，再将整个消息列表送给模型并追加返回的 assistant 消息。step / query
3. 以 LitellmModel 为一个具体实现，它向模型提供 bash 工具，解析工具调用成 extra.actions；解析缺少调用、工具名或参数错误会抛出 FormatError。这是模型实现的证据，不表示所有可替换模型都只支持 bash。模型调用 · 解析
4. execute_actions() 将解析出的动作逐个交给 env.execute，再让模型格式化观察消息并追加到 messages。以本地环境为例，命令通过子进程执行，输出或异常形成结果字典；指定完成哨兵会抛 Submitted 而不是返回普通观察。执行与观察 · 本地执行
5. FormatError 会把反馈加入下一轮上下文，并计数；InterruptAgentFlow 则直接加入其携带的消息。两者是否结束取决于追加后最后消息是否为 exit。普通异常被记录后重新抛出，属于异常终止路径。分支与停止

save() 每轮都会被调用，但没有 output_path 时只返回序列化数据，不写文件。当前分析没有模型调用记录或命令执行日志，不验证时间、成本计数和格式错误恢复的运行效果。save

---

在线预览稿：书稿仍在校稿，系统篇以文内固定源码版本为准；静态阅读不等于运行验收。