Sotis：实时检测并干预代理崩溃（循环、编辑风暴），在您的 LangGraph/ReAct 循环内部

任何为长周期、多步骤任务构建过代理的人，都曾目睹过代理崩溃：反复调用同一个工具，用错误追踪淹没自己的上下文，反复折腾同一个文件，最终失控直至运行崩溃，全程消耗大量 token。我厌倦了旁观此类情况发生，于是构建了 Sotis 来捕捉它。 Sotis 是一个小型 Python 库，它驻留在您的代理循环内部，实时监控工具调用流。当它通过滑动窗口 Shannon 熵加上精确和语义循环检测检测到崩溃时——它不仅仅记录，还会干预：将工作区文件回滚到上一个正常检查点，将臃肿的上下文提炼成简短的恢复提示，然后从那里重启代理。 它无需训练，每步仅增加不到 0.2 毫秒的开销，您可以通过 LangGraph 保护节点（SotisLangGraphGuard）或作为自定义 ReAct 循环的包装器（SotisGuard）来接入。它适用于任何兼容 OpenAI 的提供商——我已测试过 OpenAI、Anthropic、Groq、OpenRouter 以及通过 Ollama 运行的本地模型。 有几个诚实的注意事项，以免误导：这是一个为您自己构建的代理准备的库，而不是像 Claude Code 或 Codex 这样的封闭代理的插件（它们不暴露循环的钩子，因此无法进行回滚）。而且它限定的是失败范围而非保证成功——在我的实际运行中，它可靠地捕捉了失控并回滚了损害，但弱模型仍然不会奇迹般地完成任务；您得到的是干净、可恢复的失败，而不是无限制的失败。 默认熵阈值（1.5 位）也会对在短时间内合法使用多种不同工具的代理产生误报——这是一个可配置的旋钮，我确实不确定 1.5 是否是合适的默认值，所以很想听听大家的看法。 仓库顶部有一个 40 秒的演示 GIF（一个真实的 Llama-3.3-70B 代理在仪表盘上实时被拦截 3 次），以及几种模型的原始未经编辑的转录文本。它基于 arXiv:2603.29231 中的可靠性框架，采用 MIT 许可，包含 127 个测试。pip install sotis。非常欢迎任何在生产中与代理循环斗争过的人提供反馈。