3.2 决策：模型凭什么选这个动作

3.2 决策：模型凭什么选这个动作

本节摘要：决策拍是一张牌桌：模型拿到的牌是任务目标、历史轨迹、当前情报简报与可用动作清单，出的一张牌就是一个结构化动作（含编号、参数、思考理由）。你在牌桌边有三类旋钮——任务单措辞、动作空间、模型参数。行为漂移时按此顺序排查，十有八九能定位。

决策不是玄学，是一份提示词的函数

很多初学者把智能体的行为当成黑盒抽签，其实每一拍的决策高度确定地依赖于四样输入：任务单怎么写的、此前走过哪几步、现在页面的情报简报长什么样、军械库里登记了哪些动作。模型内部怎么算的你不用管，工程上只要记住一个函数关系：同样的输入给足，决策就稳定；行为漂移，必是四样输入之一变了。上一节查情报拍，这一节查剩下三样。

图：决策拍状态机——从四样输入到一张动作牌

动作牌的结构与连招

模型的每次决策输出不是一句话，而是一段结构化数据：思考区（为什么这么走）加动作区（做什么、参数是什么）。一个值得知道的设计：一拍可以含多个动作，即连招——"点元素 3，输入关键词，点元素 8"三连发，省掉中间两拍。任务路径明确时连招降本提速；页面易变时连招容易踩空（第二击的编号在第一击后失效，呼应 3.1 的地图换版）。框架无法替你判断该不该连招，这写在任务单里由你引导。

三个旋钮的调法

旋钮一：任务单措辞。措辞是权重最大的旋钮。对比两组实验，同一站点同一目标：

# 措辞 A：目标模糊，产出没约定
task_a = "帮我看看这个网站"     # 模型会漫游，几拍都停不下来

# 措辞 B：目标明确，产出可复核
task_b = "找到本月销量第一的商品名，只回答商品名"  # 两三拍收兵
​

旋钮二：动作空间。可用动作越多，模型选错的面越大。若任务全程用不到开新标签页，就别把相关动作喂给它——动作空间是"减少选项=提高选择质量"的少数免费午餐，第 4 章自定义动作时会给出裁剪与扩充的具体代码。

旋钮三：模型参数。温度是头号嫌疑参数。操作类任务的黄金区间在 0 到 0.2：温度一高，决策的随机性放大，绕路、点错、幻觉按钮都会出现。换模型的判断标准同理：操作稳定性优先于聊天的聪明程度，一个听话的普通模型常常胜过一个恃才傲物的旗舰——这在低配场景（本地小模型）尤其明显。

亲眼看一次决策

把每拍的思考理由打印出来，漂移时这就是黑匣子记录仪：

def 黑匣子(state):
    # 取本拍模型的原始决策记录
    last = state.history[-1] if state.history else None
    if last:
        print("模型思考：", (last.model_thoughts or "")[:120])
        print("所选动作：", last.model_actions)

result = agent.run(max_steps=10, on_step_end=黑匣子)
​

预期输出示意：

模型思考：页面上有两个"登录"字样，索引4是导航栏按钮，索引17是弹窗内链接，先点导航栏的
所选动作： 点击元素 索引 4
​

读到"模型思考"与你的预期分岔的那一刻，修哪个旋钮就清楚了。

本节要点

• 决策是四样输入的函数：任务单、历史、情报、动作空间，漂移必有输入变化；
• 一拍可发连招，省拍但易踩空，路径稳不稳决定敢不敢连；
• 旋钮优先级：改措辞、裁空间、调参数——参数是最后才动的那个；
• 每拍思考理由是黑匣子，回调打出来，行为漂移从猜变成读。

任务单改写前后对照表

把 3.2 的旋钮落成可抄的改写模板。左边是常见病句，右边是改法：

注意最后一行：显式定义失败行为。默认情况下模型遇错会尝试自救，自救失败再换个法子，几下就烧掉半本预算。在任务单里把失败语义写死（停、报、不重试），复核拍就有了明确的停车线。

连招敢不敢开：一拍多动作的判断

一拍连发多个动作能省步数，但每一击的编号依赖上一击后的页面状态——地图换版问题在连招里被放大。判断标准就一条：**第一击之后的页面是可预测的吗？**可预测（比如"点搜索框、输入关键词、点搜索"三连，中间不产生新页面）就放心连；不可预测（点完弹出广告层、跳转新页）就一拍一动作，让观察拍每步重新画图。省的那两步钱，抵不过一次踩空后的全部重来。

一个关于模型的诚实提醒

同一厂商的模型隔几个月换一代，操作风格就变一次；不同厂商的模型对同一任务单的理解差异更大。所以任务单不要按"某个模型的脾气"来调——按 3.2 的三要素写规范了，换模型只改配置不改文案。凡是"只在某个模型上灵"的任务单，都是埋了雷的。

历史上下文：决策的第三块砝码

四样输入里最容易被忽视的是历史轨迹——模型记得自己走过哪几步。这带来两个工程后果。其一，长任务的决策质量会衰减：轨迹越长，提示词越臃肿，模型对当前页面的注意力被稀释，6.3 里"步数涨、准确率跌"的现象多半源于此。这也是粒度拆解（3.3）的又一重价值：每场小仗的轨迹都是短的，决策质量全程在线。其二，历史里有毒会传染：任务中途的误操作会留在轨迹里影响后续决策，重跑时另起实例而不是续跑旧实例，就是为了让决策不带历史包袱。

给任务单加"阶段划分"是缓解注意力稀释的低成本手段：

阶段一：定位目标商品（只看不点）
阶段二：核对价格与库存（记录数值）
阶段三：汇报（只输出结论）
​

阶段声明让模型在每一拍都知道"现在这一仗打到哪了"，决策的时距感明显变好——尤其适合多阶段流程任务，第二役会用到。

司令选完了牌，下一拍看牌桌裁判：复核怎么判成败、卡住时循环怎么体面收场。