多 Agent 环境下的错误传播控制：MiMo Code 的防御机制

MiMo Code 通过消息级预判、Goal驱动终止审查和Dynamic Workflow三重机制防御多Agent错误传播：在消息消费前沙箱模拟交互并清洗异常；用独立验证模型字面核查终止条件；以结构化脚本强制执行确定性流程。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

多 Agent 环境下，错误不会静止在某个环节，而会像多米诺骨牌一样沿通信链路逐级放大。MiMo Code 并非靠事后拦截或隔离 Agent 来应对，而是把防御动作嵌入执行前的决策流中——它不追求“消灭错误”，而是让错误在传播前就失去接力条件。

消息级预判：每条指令先过沙箱模拟
MiMo Code 在消息真正被下游 Agent 消费前，会启动轻量级通信状态模拟器：

• 将当前消息注入一个虚拟 Agent 群组副本，复现目标通信拓扑（如串行链、分支汇聚、反馈环）
• 追踪该消息在 3–5 轮交互中引发的工具调用序列、记忆更新路径与状态偏移幅度
• 若模拟中出现工具越权调用、上下文突变超阈值、或目标 Goal 验证失败率 >15%，则自动触发清洗（重写消息语义）或阻断（返回空响应）

这与 SAIGuard 的“先模拟、再放行”逻辑一致，但 MiMo Code 把模拟深度控制在单跳通信内，避免全局系统级仿真带来的延迟开销。

Goal 驱动的终止审查：切断过早收敛的错误链
长程任务中，一个被轻微误导的 Agent 可能提前宣布“已完成”，把未验证的中间结果当作终态输出，导致后续 Agent 基于错误前提继续推进。MiMo Code 的对策是：

• 用户定义自然语言停止条件（例如：“所有单元测试通过且 PR 已提交至 main 分支”）
• 每当任一 Agent 提出终止请求，系统调用独立验证模型（与工作 Agent 不共享参数与缓存）
• 验证模型接收完整历史 + 实际工具输出日志，仅判断条件是否字面满足，不参与推理过程
• 若不满足，返回具体缺口（如“test_auth.py 第12行断言失败”），而非模糊提示

这种分离式裁判机制，防止错误因“自我确认”而固化并向下传递。

Dynamic Workflow：用确定性脚本替代链式 prompt 控制
当任务涉及并行子任务（如同时分析 5 个模块的兼容性），传统 prompt 编排容易因模型幻觉漏掉某条分支，造成信息缺失型错误传播。MiMo Code 改用：

• 主 Agent 生成 JavaScript 脚本（含 agent()、barrier()、retry() 等运行时原语）
• 脚本在 Tauri 沙箱中执行，保证 barrier 同步、子 Agent 调度不可跳过、超时自动 fallback
• 所有子 Agent 输出强制结构化（JSON Schema 校验），非结构化文本直接丢弃

这样，错误无法通过“模型自由发挥”绕过流程约束，传播路径从开放链变为受控图。

不复杂但容易忽略