【开源】我需要你们最糟糕的边界案例来压力测试GenOS，我新的AI智能体编排器。

大家好，我目前正在开发GenOS，一个用于多智能体LLM编排的开源框架。底层上，它使用隔离的Rust执行环境，并依赖于Git worktrees来实现干净的状态管理和安全的沙盒化。核心引擎运行良好，但在进一步推动之前，我需要让它暴露在现实世界用例的严酷现实中。我们都知道AI智能体（无论是单个还是群体）在演示中看起来很棒，但一旦将它们带出"Hello World"领域，它们往往会绊倒自己。这就是你们可以帮忙的地方：当构建或使用AI智能体时，你们遇到的真实、可测试的问题是什么？我在寻找具体、可重现的场景，以查看GenOS如何处理它们（或者如果它失败惨重，这将帮助我迭代）。我特别寻找的是：无限循环与脱轨：智能体开始幻觉化代码执行并且不停止的任务。状态与上下文管理：智能体A忘记传递关键信息给智能体B，或完全覆盖其工作的群体场景。隔离问题：智能体通过修改或删除错误文件而损坏其工作区的情况。复杂多步骤任务：智能体最终失去其初始目标的长工作流。分享你的用例，你对现有框架（如LangChain、AutoGen、CrewAI等）的最大挫折，甚至是一些总是破坏你设置的具体提示。我将选取最有趣的案例，将它们编码到GenOS中，看看Rust/Git架构是否提供更清晰的解决方案，并会报告结果！提前感谢反馈。你可以在这里查看：PISSARAW/GenOS：类Git分支、确定性重放和基于证据的评估，用于可重现的AI智能体。