当 LLM 循环失控时会发生什么：护栏模式

文章描述一个常见风险场景：周五上线的深度研究 Agent 通过规划、调用工具、读取结果并循环，直到验证步骤返回 done: true；当某个 URL 无法解析导致验证始终返回 false，且循环没有迭代上限、工具重试没有退避时，Agent 会持续运行到周一才被发现。作者按 GPT-4o 级别定价估算单次迭代成本（约 4000 输入 token 加 800 输出 token，约 0.018 美元），并提出防止此类失控的护栏模式。

AI推荐理由 以具体场景和按 GPT-4o 级别定价的逐次迭代成本估算，说明缺少迭代上限、重试无退避时 Agent 循环失控的成本风险，并给出防护模式，对构建 LLM 应用的团队有直接借鉴意义。但内容为经验性模式总结，未提供真实事故数据或量化验证。