单工具 Agent 状态机实验
命题
模型可替换，但 Harness 的状态、审批、重试和终止不变量必须由确定性代码保证。实验使用 mock 场景，不访问外部系统、不产生副作用。
先找到代码中的 drive(write, 'approve')：这是测试程序显式输入的外部批准事件。删去这一行时，写任务必须一直停在 WAITING_APPROVAL，attempts=0。等待不是授权。
| 输入路径 | 停止状态 | 工具次数 |
|---|---|---|
| read | COMPLETED | 1 |
| timeout | COMPLETED | 2 |
| write，未给决定 | WAITING_APPROVAL，可恢复 | 0 |
| write + approve | COMPLETED | 1 |
| write + reject | FAILED | 0 |
| write + cancel | CANCELLED | 0 |
| forbidden | FAILED | 0 |
| always-timeout | FAILED | 2 |
真实系统应从有身份验证的 UI/API 收取审批，并持久化待办状态。本实验用同一个 Run 对象和显式事件模拟接口，不包含真实工具、异步执行和跨进程恢复。命令行运行同一份源码：python3 examples/python/agent_state_lab.py。
反事实任务
- 暂不看实现，为
forbidden写一个 attempts 为 0 的断言； - 为等待审批的任务输入
cancel，再发送迟到的approve，确认不会执行工具； - 删除循环上限，解释工具持续失败时的风险；
- 为每次工具 attempt 增加唯一 ID 与共享幂等键；
- 故意让重复完成事件到达，保证不会二次转移。
记录与通过条件
保存状态图、事件序列、断言结果和失败注入。每次调用必须在预算内进入终态或可恢复等待态；等待态收到决定后必须闭环；审批前不得进入写工具；重试次数和总步数有上限。
常见失败
- while 循环只有成功出口；
- approval 是布尔变量但未持久化；
- 重试创建新的业务幂等身份；
- terminal state 仍接受工具结果；
- 事件日志没有 run/call/attempt 身份。