ReliabilityRail 异常探测

解决什么问题

多个智能体组成团队协作时（openJiuwen 里叫 agent_teams），常见的故障不是报错，而是不报错地卡住：某个成员反复调同一个工具、两个成员互相踢皮球、输出越写越长、上下文被频繁压缩、模型组全部不可用……没人盯着就会一直耗下去。

ReliabilityRail 给每个成员装一个"监护仪"：在生命周期事件上采集信号，交给一组探测器判断，再按严重度决定怎么处理。

源码ReliabilityRailagent-core/openjiuwen/agent_teams/reliability/rail.py:84@fbe6a0d9

四步：信号、探测、严重度、动作

一、信号。 Rail 在模型调用前后、工具调用前后、模型和工具异常时各产生一条信号，记录工具名、参数哈希、结果哈希、输出长度等。

二、探测器。 默认几种：

以重复调用为例，默认阈值是：同一调用出现 10 次记 LOW；A-B 交替 10 次记 MEDIUM；末尾连续 20 次"同参同结果"记 HIGH；30 次记 CRITICAL。只有严重度上升时才发出，避免刷屏。结果每次都不同的重复不算打转。

源码RepeatToolCallDetectoragent-core/openjiuwen/agent_teams/reliability/detectors/repeat_tool.py:15@fbe6a0d9

三、严重度到动作。 默认策略：

源码默认策略agent-core/openjiuwen/agent_teams/reliability/remediation/policy.py:16@fbe6a0d9

四、本地纠偏有三道限制：

• 只做 push_steering：往成员自己的模型里塞一条提示，不改参数、不停执行
• 有预算：默认 60 秒内最多 5 次，超出就不再纠偏，交给 leader 和用户
• 模型不可用、模型已被路由切换这两类异常不纠偏，给模型塞提示解决不了问题

源码LocalAutoRemediatoragent-core/openjiuwen/agent_teams/reliability/remediation/local.py:22@fbe6a0d9

开启方式

它是团队级的可选配置，默认关闭：

ReliabilityConfig(
    enabled=True,                          # 默认 False
    monitor_roles=["leader", "teammate"],  # 默认两种角色都监护
    # detectors=...、policy=...、restart_intensity=... 可以按需调阈值
)

动手：预测它会怎么做

三段成员行为，预测在默认配置下 ReliabilityRail 的反应。

小结

• 团队里最麻烦的故障是不报错的卡住，ReliabilityRail 用"信号 → 探测器 → 严重度 → 动作"自动发现。
• 自动处理只有可撤销的纠偏，而且有预算；破坏性动作留给 leader。
• 默认关闭，按团队开启，阈值都能调。