AI Agent 为何跑飞：反馈回路、重试与目标漂移

2026 年 10 月 3 日，DEV Community 的 AI 栏目刊出文章《AI Agent 为何跑飞：反馈回路、重试与目标漂移》。文章的核心观点是，反馈回路、工具调用、重试、记忆和目标漂移这几项机制叠加在一起，会把 AI 的小错误放大成失控行为；原文副标题同样把这五项列为导致失控的因素。

为了说明这一点，文章用一个假设的任务做演示，任务是「修复失败的部署」。在这个演示里，agent 先读日志，发现一个可疑的配置值，随后修改该值并重新运行部署，部署以一个不同的错误失败；agent 再读取新的错误，判断最初的诊断有误，接着又做回滚、锁定依赖，如此循环往复。摘要把这一连串动作描述为循环往复、反复发生。

截至这篇报道，材料只覆盖到上述假设演示的部分过程，引用的原文片段在 agent 判断「最初的诊断有误」处中断。报道没有说明演示涉及哪家公司的哪个产品，也没有给出模型名、版本号、耗时或任何量化结果，因此现有材料只能确认文章提出的失控机制清单和这个部署演示本身，无法据此判断这类失控在真实系统中的范围。