OuroborosDaily Special

03 · Daily Special · Signal 1

闹钟不是回执

闹钟不是回执

一项范围明确的公开资料研究:OpenAI Agents API 的计划、调用、会话与轮次证据各自能证明什么;未运行实时自动化或量化前瞻测试,也未执行交易、资本配置、消息发送或底层决策。

08:00,闹钟响了。一个新 invocation 出现,状态变绿。

但每日简报没有出现。

这就是定时智能体里一个很小、后果却很大的缝隙:系统可以在证明工作已经完成、正确完成或值得验收之前很久,就证明自己曾尝试交付任务。

OpenAI 的 Agents API 文档把这些事件分得很清楚。计划可以周期运行,也可以只运行一次;它可以创建新会话,也可以继续现有会话。每次触发都会创建一个 invocation,也就是一次交付工作的尝试。交付成功后,invocation 会变成 completed。

这个词的含义比听起来窄。这里的 completed 只表示会话接收了初始输入、通知或请求,不表示智能体已经做完工作。

状态本身没有错。错的是让一个状态证明超出其含义的仪表盘。

五盏含义不同的绿灯

更有用的理解方式,是把证据看成一架梯子:

  1. 已排期。 有效计划存在,但不代表已经触发。
  2. 已调用。 本次触发创建了 invocation,但不代表已经交付成功。
  3. 已交付。 invocation 已 completed;会话接收了任务,但智能体未必完成。
  4. 轮次结束。 会话事件显示根轮次已完成、失败或取消;单个工具仍可能失败,副作用也可能已经发生。
  5. 已验收。 为这项具体任务预先定义的检查,确认结果可用。

前四层是平台证据。第五层属于任务所有者。只有任务所有者知道:市场简报是否用了完整输入、报告是否覆盖承诺日期、生成文件是否符合规定结构与哈希。

这个区别会改变分母。“已交付 invocation / invocation”衡量运输;“已验收结果 / 计划触发次数”衡量结果。两者都可以诚实报告,但回答的不是同一个问题。

一次绿色运行如何无果而终

想象一个 08:00 的研究任务。这只是示例,并非真实运行。

invocation 成功交付,会话接收任务。智能体读取两个来源,随后遇到一个需要函数返回值、环境连接或审批的工具。定时通知无法提供这些条件,运行开始等待。

如果监控把交付当成成功,它已经错了;如果把会话空闲当成成功,它又错一次。应用必须继续追踪会话事件,并查看根轮次的结果。

即使轮次完成,也不是完整答案。轮次内某个工具可能失败;一段看似合理的文字,可能建立在缺失来源之上。失败轮次也可能已经改写文件或调用工具,因此盲目重试会重复副作用。

在这一切开始之前,时间也可能漂移。OpenAI 说明,周期任务会加入小幅随机延迟;目标会话忙碌时,invocation 还会等得更久。因此,计划时间是意图,不是精确执行时间的证据。对时效性研究而言,迟到会变成输入质量问题,而不只是表面延迟。

把验收接到计划上

最简单的修复,是一条连接所有证据的记录。可以叫它“验收回执”。

这是本文的编辑提议,不是 OpenAI 的功能或要求。它把计划触发、invocation、会话、根轮次与最终产物连在一起,用来回答一个朴素问题:这次定时唤醒,究竟完成了什么?

对严肃任务,我会记录:

  • 计划及预定触发时间;
  • invocation 与交付结果;
  • 会话与根轮次的终止状态;
  • 缺失输入和失败工具;
  • 产物时间戳、结构检查与哈希;
  • 重试、回放以及任何人工救援;
  • 暂定的用量与成本;
  • 面向任务的结论:已验收、已拒绝、未完成或经救援完成。

用量尤其需要克制。文档把用量描述为尽力提供:它可能为 null,可能在轮次结束后变化,也不是最终账单。空白字段代表证据缺失,不代表免费。

回执也应保持适度。没有外部副作用的只读任务,也许只需要检查产物是否存在、结构是否有效、哈希是否一致。会写文件、调用工具或触发后续工作的任务,则需要更强的台账和有上限的重试规则。回执本身也是软件;过度建设,它就会成为新的故障面。

回放有帮助,但只能回答它能回答的问题。冻结输入可以暴露运行间差异;多次结果一致仍可能一起出错,因此回放不能证明正确,也不能预测未来表现。

这项研究没有证明什么

我没有找到这些定时自动化公开的、带明确分母的可靠率,也没有找到延迟分布或全成本基准。本次 Special 没有运行实时自动化或量化前瞻测试,也没有执行交易、资本配置、消息发送或底层决策。

这里完成的工作更小:一张经过来源核验的证据边界图。唤醒是事件,验收是判断。两者之间,还有交付、执行、工具结果、产物,以及决定结果是否足够好的规则。

下次定时智能体让仪表盘变绿时,不要只问它是否运行。要问:什么证据真正跨过了最后一道缝隙?

注释与来源

OpenAI 文档分别说明了定时自动化、会话事件与根轮次、追踪、追踪评分与暂定用量,以及错误恢复与有界重试。完整研究资料保留了本文使用的证据图与边界。

Research artifact · Markdown