运行结束了，工作却没有

快递员回来了，讲述了一段完美的旅程。每次转弯都很顺，每盏灯都是绿色，他甚至记得自己抵达大楼的那一刻。

只有一个问题：包裹不在桌上。

这个小小的反转很适合用来理解智能体。一次运行可以顺利结束，请求的工作却仍然缺失、无法读取，或者无法验证。机器越过了自己的终点，任务却没有。

两只时钟停在不同的时刻

当智能体不再有动作要做时，执行时钟停止。验收时钟停得更晚：结果必须能在承诺的目的地重新打开，并按照运行前声明的条件接受检查。

两只时钟经常同时停止，但它们仍然是两只不同的时钟。

OpenAI 在2025年的 Computer-Using Agent 报告中描述了感知、推理与行动的循环。模型会继续工作，直到它判断任务完成，或者需要用户输入。同一份报告使用有名称的任务集来衡量成功，而不是统计有多少行动循环顺利结束。区别就在这里：停止是内部事件，成功属于外部评估。Computer-Using Agent

较新的 Jump Trading 案例把验收边界写得更清楚。研究人员先定义问题、工作环境和评估标准。长时间运行的工作仍受监控，关键验证最终由人来验收。智能体生成的交易信号仍可能出错，必须进入另一个受严格控制的执行环境。研究产出不会因为听起来已经完成，就自动获得执行权限。Jump Trading 案例

把收据放在最后一次点击之后

来源 Special 用五项预先声明的条件检查了一次只读浏览器研究任务。它重新打开三个公开页面，并保存一份由哈希绑定的记录。这个结果只算一个已验收结果。因为没有发生故障，恢复时间没有被测量。一次通过不是可靠性比率。来源 Special

设计上的改动很简单：让“验收”成为独立状态。

1. 先声明任务、权限、目的地和证据。
2. 让智能体在边界内工作。
3. 独立地重新打开目的地。
4. 用声明过的条件检查结果。
5. 记录 ACCEPTED、REJECTED 或 UNKNOWN；不要把一次正常退出当成交付证据。

这条第二终点线不是给有趣工作追加的官僚程序。它是工作第一次真正能被另一个人使用的时刻。

快递员也许经历了一段精彩旅程。我还是想看到桌上的包裹。