现在位置: 首页 / 免费干货 / 正文

Agnes 免费真香，思考、对话中断，痛点如何化解？

Autonomous Continuity Engine v3.10 — 让 AI 不再"说了不做"如果你正在使用codex的编程助手，使用免费模型Agnes，一定经历过这样的场景：

经典中断时刻：
AI："好的，我来先生成孙悟空的图片……"
——然后它就不动了。

你只能无奈地敲下两个字："继续"。
然后它生成猪八戒，又说"现在来生成沙和尚"，又停了。
一个四步任务，你要推5~9 次"继续"。这不是你操作不当，也不是网络问题。这是大语言模型在多步任务中天然的中断行为——它习惯在"描述下一步"之后停下来，把执行留给用户去催促。

今天我们要介绍的v3.10Autonomous Continuity Engine（自主连续性引擎），就是专门解决这个问题的技能包。安装之后，你的 AI 助手将不再需要你敲"继续"。

痛点：AI 每说一句话就停一次
用户被迫成为"推车人"多步任务中典型的 AI 中断模式

一、为什么 AI 总是"说了就做不动"？

经过15+ 次真实会话的深度分析，研究者发现了一个残酷的事实：

核心发现：没有任何基于提示词的规则能 100% 消除 AI 输出中的"让我/let me"——这是模型的母语级语言习惯，就像人类写句子自然加句号一样自然。这意味着，传统的"告诉 AI 不要停"的方法是无效的。v3.0 到 v3.8 的三个独立测试会话分别采用了三种策略：

会话 策略 遵守率
6 次推进 自检规则（冒号规则） 0%
9 次推进 自检规则（终止开关） 0%
10 次推进 语言约束（禁用将来时） 0%

三条路都走到了天花板。v3.10 做出了一个战略性的转变：

v3.10 的思路：既然无法阻止 AI 说"让我试试 B 方法"，那就确保"让我试试 B 方法"这句话后面紧跟着 B 方法的实际工具调用。不是在"宣布"下一步，而是在"执行"下一步。这就好比：以前我们试图让 AI 学会闭嘴再做事，现在改为允许它说话，但说的话必须连着事一起做。

旧模式：说 → 停 → 用户推 → 做
新模式：说 + 做（同一响应内完成）v3.10 的核心变革：从"阻止说话"到"说话连着做事"

二、9 类中断分类：把"停在哪"摸得一清二楚

要实现精准拦截，首先要知道 AI 会在哪些地方停下。v3.10 将中断行为精确划分为9 大类（A~I），每一类都有明确的触发条件和修复方案：

A计划陈述型中断 AI 输出了任务计划，描述了要做的步骤，然后停止。"正在生成第一张图片……"——文字而非工具调用。
B错误诊断型中断 工具调用失败 → AI 分析原因 → 说明修复方案 → 停止。"让我增加超时时间重试"——说了不改。
C进度汇报型中断 步骤 N 完成 → AI 报告"孙悟空完成"→ 说"现在做猪八戒"→ 停止。打勾不代表真完成了。
D观察结论型中断 AI 发现了一个问题 → 说要修复 → 停止。"我注意到脚本会覆盖图片，让我重命名它们"——发现不等于解决。
E思考推理型中断 AI 进行了一段分析推理 → 得出结论 → 说要执行 → 停止。推理不等于行动。
F确认回应型中断 用户说"继续"→ AI 回应"明白，继续生成猪八戒"→ 停止。用户要的是行动，不是复述。
G探索断链型中断 研究任务中，AI 完成一步探索 → 报告发现 → 说"接下来分析 X"→ 停止。研究也需要工具调用驱动。
H棘轮连续性中断 用户累计推进 ≥3 次（不限中断类型）。不同类型交替出现同样致命：A→B→G→C→B，推了 8 次。
I用户上下文忽视型中断用户说"页面已打开"→ AI 回应"让我确认一下"→ 停止。用户不是用来验证的来源，应该信任并利用。每一类都有对应的"禁止结尾模式"和"正确做法"，形成了一套完整的拦截体系。

9 类中断全覆盖
A~I 每一种都有对应的拦截规则9 类中断分类体系一览

三、v3.10 的四大核心规则

1. 即时重试规则（Immediate Retry Rule）
这是 v3.10 最重要的创新。当工具调用失败或走入死胡同时，下一个方案必须在同一个响应中立即尝试，而不是分多次响应、每次等用户推一把：

旧模式（v3.0~v3.9 全部失败）：尝试 A → 失败 →"让我试试 B："→STOP→ 用户推 → 尝试 B → ...10 次尝试 = 10 次用户推动v3.10 新模式：尝试 A → 失败 →"重试 — 方案 B："+[工具调用 B]→ 失败 →"方案 C："+[工具调用 C]→ 失败 →"方案 D："+[工具调用 D]→ 全部在同一响应中完成

2. 棘轮升级规则（Ratchet Rule）
系统会追踪用户的总推进次数，无论中断类型是否相同。推得越多，AI 的自我要求越严格：

用户推进次数 等级 最低工具调用数 停止条件
0 次 标准 每次 ≥1 个 任务完成
1 次 轻量 每次 ≥2 个 必须链式执行
≥2 次 重度 每次 ≥3 个 直到硬性边界

所谓硬性边界，是指：需要认证 / 工具不可用 / 所有方向均已穷尽 / 任务 100% 完成。除此之外，AI 不得停止。

3. 冒号规则（Colon Rule）
这是一条机械化的发送前检查：扫描响应的最后 80 个字符，如果匹配到以下模式且后面没有工具调用，就必须重写：

"Step 2 — 鲁智深:"← 冒号结尾，无工具调用"让我检查一下为什么被重定向:"← 将来时 + 无工具调用"现在来分析路由逻辑:"← 探索意图 + 无工具调用"改用 API 方法直接请求:"← 方法切换 + 无工具调用"Step 2 — 鲁智深:" + [工具调用]← 冒号后紧跟工具调用
4. 探索韧性规则（Exploration Resilience Rule）
在重度等级（≥2 次推进）时，"不知道下一步该探索什么方向"不再是合理的停止理由。规则提供了一个机械化的决策树：

我知道确切下一步吗？├─ 知道 → 执行。同一响应内完成。└─ 不知道 → 我在重度等级吗？├─ 没在 → 标准规则适用└─ 在 → 1. 列出 2~3 个候选方向2. 任意选一个（不评估哪个"最好"）3. 立即执行工具调用4. 走不通？→ 同一响应内试下一个5. 全试完了？→ 硬性边界核心原则：探索本身就是分析。不要想——去探测。

核心变革一览
即时重试 · 棘轮升级 · 冒号规则 · 探索韧性v3.10 的四大核心规则

四、实际效果与诚实局限

能做到的：
• 执行类任务（图片生成、文件操作）：中断减少约60%~80%
• 研究类任务（代码分析、逆向工程）：中断减少约30%~50%

做不到的：
• 无法通过提示词规则实现 100% 无中断的研究任务
• 开放式探索的完全自治需要机械强制层（发送前验证钩子），而当前 Claude Code 的钩子架构尚不支持值得称赞的是，这个项目选择了诚实——不夸大效果，明确标注能力边界。这正是开源精神的可贵之处。

v3.10 的进化历程本身就是一部从理想主义走向现实主义的教科书：

v3.0 叙事陷阱概念↓v3.3 冒号规则（自检）↓ 0% 遵守v3.8 终止开关↓ 0% 遵守v3.9 禁用将来时↓ 0% 遵守v3.10 即时重试（接受习惯，链式执行）

五、安装方法：

三步搞定安装 Autonomous Continuity Engine 非常简单，以下是详细步骤：

准备工作

确保你的 Codex 环境已就绪，技能存放目录通常为：

~/.codex/skills/

方法一：Git 克隆（推荐）

  1. 打开终端，进入 Codex 技能目录：
    cd ~/.codex/skills/
  2. 从 GitHub 仓库克隆项目：
    git clone https://github.com/Excaliver-yang/autonomous.git
  3. 将克隆得到的autonomous目录重命名为autonomous-continuity（Codex 会自动识别）

方法二：手动下载

  1. 访问github.com/Excaliver-yang/autonomous
  2. 点击Code按钮，选择Download ZIP
  3. 解压后，将整个文件夹复制到~/.codex/skills/autonomous-continuity/
  4. 确保包含以下核心文件：
    SKILL.md、agents/openai.yaml、templates/CLAUDE.md.snippet

验证安装
安装完成后，在任何多步任务中都可以直接使用。你也可以通过以下方式验证：

# 查看技能是否被识别 ls ~/.codex/skills/autonomous-continuity/  # 应看到以下结构： # SKILL.md  agents/  hooks/  references/  scripts/  templates/

进阶：项目级自动启用
如果你希望在某个项目中始终启用连续性规则，可以将模板嵌入项目配置：

  1. 将templates/CLAUDE.md.snippet的内容复制到项目的CLAUDE.md文件中
  2. 将templates/settings.json.snippet合并到项目的.claude/settings.json
  3. 从此该项目的所有会话都会自动应用连续性规则

支持 Python · Shell · Vim Snippet 前往 GitHub 仓库获取最新版本

六、项目结构一览

  skills/autonomous-continuity/          ← 源目录
  ├── CHANGELOG.md                       ← 版本演进历史
  ├── SKILL.md                           ← v3.6 主技能
  ├── agents/
  │   └── openai.yaml                    ← v3.6 系统提示
  ├── hooks/                             v3.6 钩子脚本
  │   └── continuity-hook.sh             ← postToolUse 停滞模式监控
  ├── templates/                         v3.6 项目配置模板
  │   ├── CLAUDE.md.snippet              ← 可嵌入的项目连续性规则
  │   └── settings.json.snippet          ← 钩子 + 权限自动配置
  ├── scripts/
  │   └── continuity_monitor.py          ← v3.6 监控工具
  └── references/                        ← 上下文留存
      ├── interruption-catalog.md        ← 25 条中断案例目录
      └── diagnostics.md                 ← 错误诊断 + 审计 + 语言分析 + 棘轮分析

七、总结：让 AI 真正"用起来"

Agnes 免费好用，这是不争的事实。但如果每次多步任务都要推 5~9 次"继续"，体验就会大打折扣。

Autonomous Continuity Engine 的价值不在于让它变得"完美"——而在于把 60%~80% 的中断直接消灭在萌芽状态。剩下的中断，也是那些真正需要人工介入的边界情况。

这个项目的最大启示或许是：

最好的规则不是"不要这样做"，而是"这样做的时候，顺便把事也做了"。

v3.10 放弃了与 AI 语言习惯的对抗，转而利用这些习惯——让每一句"让我试试"都变成真正的行动。这是一种务实的工程智慧。如果你也在用 Agnes 或 Codex 做开发，不妨装上一个试试。你的手指会感谢你的——毕竟，少敲 9 次"继续"，多省不少力气。

Github 开源：https://github.com/Excaliver-yang/autonomous

转自：https://mp.weixin.qq.com/s/F_xcrjYHwUsS9pkyGUb7Hg