该内容为自助投放广告，真伪自辨

多步长任务智能体的中途确认设计：什么时候该让 Agent 停下来提问

在构建需要多轮思考、工具调用和外部交互的智能体时，往往会出现「执行到一半」才发现上下文不完整或风险未知的情况。新一代 LLM 越来越强调 主动修正计划、提出澄清问题并寻求确认，这为我们提供了在关键节点让 Agent 主动停下来、等待人工介入的设计思路。

为什么需要中途确认

降低不可逆风险：写库、发送邮件、发起支付等操作一旦完成，错误难以回滚。

提升交互效率：在信息不足的环节让 Agent 主动提问，避免盲目执行导致重复工作。

增强可控性：人工介入的确认点可以嵌入业务规则或合规审查，满足企业级安全要求。

不可逆动作的硬确认

需要强制人工确认的典型节点

写入持久化存储（数据库、文件系统、云存储）。

发送外部通讯（邮件、短信、企业微信、社交媒体）。

发起金融交易（支付、退款、转账、结算）。

触发业务流程（订单创建、库存扣减、审批流启动）。

这些操作一旦完成即产生副作用，错误往往只能通过补救流程处理。因此在系统提示词或工作流中必须加入 硬确认（如 await_user_confirmation()）并在 UI 层提供明确的“确认”或“取消”按钮。

可通过一次澄清的可回退节点

对于 查询、检索、数据预处理、工具调用的参数构造 等可重复的步骤，智能体只需要一次澄清即可继续。例如：

搜索关键词不明确：Agent 可返回「请确认搜索关键词是 X 还是 Y？」

数据格式转换：若输入文件类型未知，Agent 提问「请提供文件的实际格式」后再继续转换。

这些节点的确认可以采用 软确认（仅提示用户输入或选择），不需要阻断整个工作流，只要得到明确答案即可继续执行后续步骤。

在系统提示词中嵌入确认节点的写法

下面示例展示了如何在 系统提示词（system prompt）里声明两类确认机制。关键是把「何时需要确认」的判断逻辑写成可复用的指令块，而不是让模型自行猜测。

You are an autonomous agent tasked with a multi‑step workflow.
When you reach a step that involves any of the following actions, you must stop and request explicit user confirmation before proceeding:
- Writing to persistent storage (database, file, cloud bucket)
- Sending external communications (email, SMS, webhook)
- Initiating a financial transaction (payment, refund, transfer)
- Triggering a core business process (order creation, inventory deduction)

For all other steps, if you encounter ambiguous input or missing parameters, ask a clarification question and resume automatically after the user answers.

在实际实现时，可将上述指令块保存为变量 CONFIRM_RULES，并在每次生成下一步指令前先检查当前动作是否匹配列表，从而决定调用 await_user_confirmation() 还是 ask_for_clarification()。

工作流层面的确认节点配置示例

下面以 LangGraph 为例，展示如何在工作流图中标记硬确认与软澄清节点。图中红框表示必须人工硬确认，蓝框表示仅需一次澄清。

from langgraph import Graph

graph = Graph()

@graph.node
def fetch_data(state):
    # 可能出现搜索关键词不明确的情况
    if not state.get("keyword"):
        return ask_for_clarification("请提供要搜索的关键词")
    return search(state["keyword"])

@graph.node
def write_to_db(state):
    # 必须硬确认
    return await_user_confirmation(
        f"即将把以下数据写入数据库：{state['result']}n确认吗？"
    )

@graph.node
def send_email(state):
    # 必须硬确认
    return await_user_confirmation(
        f"准备发送邮件给 {state['recipient']}，主题为 “{state['subject']}”。确认发送？"
    )

graph.add_edge(fetch_data, write_to_db)
graph.add_edge(write_to_db, send_email)

通过上述方式，开发者可以在 系统提示词 与 工作流节点 两层同时控制确认逻辑，既保证关键操作的安全，又不影响整体效率。