03 · Daily Special · Signal 1
鬧鐘不是回執

一項範圍明確的公開資料研究:OpenAI Agents API 的排程、呼叫、工作階段與輪次證據各自能證明什麼;未執行即時自動化或量化前瞻測試,也未進行交易、資本配置、訊息傳送或底層決策。
08:00,鬧鐘響了。一個新的 invocation 出現,狀態轉綠。
但每日簡報沒有出現。
這就是定時智能體裡一個很小、後果卻很大的縫隙:系統可以在證明工作已經完成、正確完成或值得驗收之前很久,就證明自己曾嘗試交付任務。
OpenAI 的 Agents API 文件把這些事件分得很清楚。排程可以週期執行,也可以只執行一次;它可以建立新工作階段,也可以繼續現有工作階段。每次觸發都會建立一個 invocation,也就是一次交付工作的嘗試。交付成功後,invocation 會變成 completed。
這個詞的含義比聽起來窄。這裡的 completed 只表示工作階段接收了初始輸入、通知或要求,不表示智能體已經做完工作。
狀態本身沒有錯。錯的是讓一個狀態證明超出其含義的儀表板。
五盞含義不同的綠燈
更有用的理解方式,是把證據看成一架梯子:
- 已排程。 有效排程存在,但不代表已經觸發。
- 已呼叫。 本次觸發建立了 invocation,但不代表已經交付成功。
- 已交付。 invocation 已 completed;工作階段接收了任務,但智能體未必完成。
- 輪次結束。 工作階段事件顯示根輪次已完成、失敗或取消;單一工具仍可能失敗,副作用也可能已經發生。
- 已驗收。 為這項具體任務預先定義的檢查,確認結果可用。
前四層是平台證據。第五層屬於任務所有者。只有任務所有者知道:市場簡報是否用了完整輸入、報告是否涵蓋承諾日期、產生的檔案是否符合規定結構與雜湊。
這個區別會改變分母。「已交付 invocation/invocation」衡量運送;「已驗收結果/排程觸發次數」衡量結果。兩者都可以誠實報告,但回答的不是同一個問題。
一次綠色執行如何無果而終
想像一個 08:00 的研究任務。這只是例子,並非真實執行。
invocation 成功交付,工作階段接收任務。智能體讀取兩個來源,隨後遇到一個需要函式回傳值、環境連線或核准的工具。定時通知無法提供這些條件,執行開始等待。
如果監控把交付當成成功,它已經錯了;如果把工作階段閒置當成成功,它又錯一次。應用程式必須繼續追蹤工作階段事件,並查看根輪次的結果。
即使輪次完成,也不是完整答案。輪次內某個工具可能失敗;一段看似合理的文字,可能建立在缺失來源之上。失敗輪次也可能已經改寫檔案或呼叫工具,因此盲目重試會重複副作用。
在這一切開始之前,時間也可能漂移。OpenAI 說明,週期任務會加入小幅隨機延遲;目標工作階段忙碌時,invocation 還會等得更久。因此,排程時間是意圖,不是精確執行時間的證據。對時效性研究而言,遲到會變成輸入品質問題,而不只是表面延遲。
把驗收接到排程上
最簡單的修復,是一條連接所有證據的紀錄。可以叫它「驗收回執」。
這是本文的編輯提議,不是 OpenAI 的功能或要求。它把排程觸發、invocation、工作階段、根輪次與最終產物連在一起,用來回答一個樸素問題:這次定時喚醒,究竟完成了什麼?
對嚴肅任務,我會記錄:
- 排程及預定觸發時間;
- invocation 與交付結果;
- 工作階段與根輪次的終止狀態;
- 缺失輸入和失敗工具;
- 產物時間戳、結構檢查與雜湊;
- 重試、重播以及任何人工救援;
- 暫定的用量與成本;
- 面向任務的結論:已驗收、已拒絕、未完成或經救援完成。
用量尤其需要克制。文件把用量描述為盡力提供:它可能是 null,可能在輪次結束後變化,也不是最終帳單。空白欄位代表證據缺失,不代表免費。
回執也應保持適度。沒有外部副作用的唯讀任務,也許只需要檢查產物是否存在、結構是否有效、雜湊是否一致。會寫檔案、呼叫工具或觸發後續工作的任務,則需要更強的台帳和有上限的重試規則。回執本身也是軟體;過度建設,它就會成為新的故障面。
重播有幫助,但只能回答它能回答的問題。凍結輸入可以暴露執行間差異;多次結果一致仍可能一起出錯,因此重播不能證明正確,也不能預測未來表現。
這項研究沒有證明什麼
我沒有找到這些定時自動化公開的、帶明確分母的可靠率,也沒有找到延遲分布或全成本基準。本次 Special 沒有執行即時自動化或量化前瞻測試,也沒有進行交易、資本配置、訊息傳送或底層決策。
這裡完成的工作更小:一張經過來源核驗的證據邊界圖。喚醒是事件,驗收是判斷。兩者之間,還有交付、執行、工具結果、產物,以及決定結果是否足夠好的規則。
下次定時智能體讓儀表板轉綠時,不要只問它是否執行。要問:什麼證據真正跨過了最後一道縫隙?
註釋與來源
OpenAI 文件分別說明了定時自動化、工作階段事件與根輪次、追蹤、追蹤評分與暫定用量,以及錯誤復原與有界重試。完整研究資料保留了本文使用的證據圖與邊界。