SOP、验证者与断点续跑：AgentScope 2.0.9 给「自主」装的刹车和账本

锐Owl · AgentScope 系列 · 与视频 ep17《框架开始管「你到底做完了没有」》配套 取证与实测：2026-09-29（M4 本机 · agentscope 2.0.9 · venv）；版本口径双源核对（GitHub Releases + PyPI） 承接：ep13（AgentScope Ep5，v2.0.7「可观测 = 信任」）→ ep15《Agent 动手之后，谁来拦》→ 本文（把「验」写进框架）

开篇：为什么写这篇

ep13 的结语是「可观测 = 信任」，ep15 的结论是「靠提示词求它别乱来是靠不住的，得靠边界」。这两篇把问题摆到了「谁来拦」这一层，但没有回答下一步：拦住之后，怎么证明一步活真的干完了？

AgentScope 2.0.9（2026-09-28 05:06 UTC）给了一个框架级回答：把「任务拆成有序里程碑 → 每步有人判 → 判不过按预算重试 → 运行状态可存可续 → 关键步骤人来签字」写成框架里的对象。同版本还给了团队流水线、回头问人的工具、更紧的危险命令判定、四家实时语音后端、全屏终端界面与模型路由。

这篇不重复 ep13 讲过的渠道层 / workspace 共享 / Skill 隔离（那些是 2.0.6–2.0.7 的事），只写 2.0.9 的新东西，并且把能真跑的部分真跑了一遍——下面所有「实测」区块都是本机跑出来的原始读数，不是官方文档转述。

一、SOP：把任务写成一组有序里程碑

官方口径（docs.agentscope.io/latest/en/building-blocks/sop）：SOP 由五个部件构成——

← 表格可左右滑动查看

官方文档里有两句筛选标准，比功能本身更值钱，原文可直接引用：

1. 「不运行它，你能说清有几步、每一步谁做吗？」——不能，它就不是一个 SOP；
2. 「这一步结束时，真的有人检查吗？」——没有，它就不该单独成一步。

它管什么、不管什么：SOP 管「有几步、谁干、谁验、最多试几次」，不管每一步怎么干——怎么干留给模型自己决定。所以它和「写一段更长的提示词」不是一回事：提示词是请求，SOP 是流程里的硬约束。

实测（本文作者本机，2026-09-29）：我们用一个两步骤 SOP 跑了一篇稿子的工序——第 1 步出大纲（带 verifier）、第 2 步写成稿。第 1 步两次判定：第一次 passed=False 被打回，带上意见重来；第二次 passed=True 通过。整段跑完 23.9 秒，运行状态落盘为一个 JSON 状态文件（2,688 字节）。

二、验证者与尝试预算：验收从「口头要求」变成「框架契约」

这是本期最该抄的一条设计：verifier 是步骤的属性，不是流程外的额外检查。也就是说「这一步谁判、判什么」在定义阶段就写死了；运行时不靠人盯，也不靠事后抽查。

配套三件：

• 尝试预算（attempt budget）：验不过就重试，但次数有上限——把「无限重试烧钱」变成可配置的值；
• 人在环路由：SOPEngine 把人对问题的回答路由回被挂起的那一步，而不是丢掉上下文重开；
• 状态可存可续：运行状态是纯数据。

实测（断点续跑）：我们把第 1 步跑完（已通过）后中断进程，再用 --resume 从状态文件重建引擎。结果是：第 2 步只跑了一次，本次运行 9.7 秒——已完成的步骤没有再跑，状态文件（2,688 字节）里的「提交次数 / 判定次数 / 步骤状态」被完整还原。这个数比任何描述都直观：「重来一遍」和「接着走」之间的差价，就是状态能不能落盘。

一句诚实说明：演示里第 1 次审核之所以没过，是因为我们在 verifier 的提示词里故意要求「第 1 次一律不通过」——目的是让「打回 → 带意见重试 → 通过」这条链路在镜头里完整出现。这是演示设计，不是模型能力缺陷；凡是看到「Agent 第一次没过」的视频，都值得先问一句：这是模型真没过，还是设计让它没过。

实验性提醒（官方明示）：SOP 模块标注为实验性，接口后续可能变；服务层（deploy/sop）提供流程的 HTTP CRUD、启动运行立即返回后台推进、前端通过 session 事件流实时旁观、以及以人身份签字（sign off as a person）。要接生产，先按「接口可能变」做隔离层。

三、TeamPipeline：只固定「谁能被派、结果回到哪」

官方口径（.../building-blocks/pipeline/team）：一个 leader + 若干 member；leader 通过工具调用派活（如 TeamAssign(member="Researcher")），每个成员在自己的上下文里干活，它的最终回复作为工具结果回到 leader。

最值得留意的是一个被官方明写的设计选择：「Results only」——leader 只拿到成员的最终回复，看不到成员中间的推理与工具调用。

与上一代 GoalPipeline 的分野（2.0.8 引入）：Goal 是固定循环（规划 → 执行 → 反思，一轮一轮走）；Team 只固定两件事——谁能被派、结果回到哪；派给谁、派几次由 leader 自己决定，并且可中断、可续跑。框架不去规定「最优流程」，只固定最容易失控的边界，剩下的判断交给模型。

实测（本机）：leader 用 TeamAssign 派活两次，成员各自干完、只把结果交回主线；整段用时 39.6 秒，token 账 输入 4,249 / 输出 1,635（数值取自录屏中原始终端的打印值）。

为什么这么设计，以及它的代价（我的判断）：只回结果，主线上下文不会被各个成员的过程淹没——上下文是稀缺资源，把中间推理全塞回主线，只会变慢、变贵、更容易跑偏。但代价同样明确：你也就看不到成员在中间有没有越权、有没有空转。所以「结果回传」这套设计要配上独立的工具调用日志才算闭环——这一点正是本文第五部分判据的来由。

四、责任与成本：把「谁来负责」「谁最贵」也写进框架

1）AskUser —— 让 agent 知道什么时候该停下来问人。 2.0.9 加了这个外部工具：不是让它硬编一个答案，而是把拿不准的地方做成多选题递给人。

2）人工签核 —— 关键节点上，责任留在人这里。 服务层里每一步都可以设成「人来签字才算过」；机器负责把活干到「能签的程度」。这和 SOP 的 verifier 是两套东西：verifier 判得对不对，签核判「要不要由人担这个责」。

3）只读命令判定收紧 —— ep15 那个问题的框架级落地。 2.0.9 把「只读命令」的判定收紧了：破坏性的 git / sed / tee 用法不再被当成无害命令跳过确认。改动很小，方向很清楚——省事的那个口子被堵上了。提示词是请求，判定是边界。

4）实时语音（实验性）—— 对着说，边说边动手。 RealtimeAgent 是语音进、语音出：持续聆听、开口回答，且对话进行中就能调工具（不必等一条完整文本消息）；带 VAD 轮次检测判断你说完没有。后端从 2.0.8 的 1 家补齐到 4 家（DashScope / OpenAI Realtime / Gemini Live / xAI Grok Voice）。两条必须如实标注：语音模块官方明标实验性，接口可能变；级联方案（ASR→LLM→TTS）官方标注 "coming soon"，不能写成已支持。

5）agentscope.tui —— 全屏终端界面。 聊天、跑实时语音会话都能在终端里完成。对做评测的人，这是最省事的观察窗：不写前端，也能看到 agent 每一步在做什么。

6）模型路由 —— 不是每一句话都值得用最贵的模型。 同版本接入 MiniMax 聊天模型（默认 M3），并给出 ModelRouterMiddleware（背后是新模块 agentscope.classifier，支持 Jev）：每一次回复都可以按需挑一个合适的模型。这一条正对着我们这条内容线一直挂着的判据——「效率是衡量标准」：把模型选择从「全局设置」变成「逐轮决策」，成本就从常量变成了变量。

五、选型判据 J1–J6（下次评估同类框架，直接用这六条）

← 表格可左右滑动查看

一句话把六条串起来：能不能进生产，不看它有多能自主，看它干完活之后你还能不能验证它。

六、局限（写清楚比藏着好）

1. 实验性：SOP 与实时语音官方标注实验性、接口可能变；本文实测基于 2.0.9 单点版本。
2. 未覆盖：语音的级联方案（ASR→LLM→TTS）官方标注 "coming soon"，本文未测；本文也未做源码级复核，机制描述来自官方 release notes 与文档原文。
3. Results only 的盲区：团队成员只回结果，主线看不到它的中间越权/空转——需要 harness 层日志补齐，本文未做（已列入 J5）。
4. 数值性质：所有「实测」为本机单次运行读数（M4 / agentscope 2.0.9 / 百炼 TokenPlan 模型），不是基准分数，不可当性能结论引用。
5. 改名日期不可考：仓库已迁至 agentscope-ai/agentscope（老地址 modelscope/agentscope 返回 301），但生效日期未能一手定位（GitHub 不提供转移日期，Wayback 取数被限流）→ 本文只作背景一句，不做卖点。
6. 星数为单点值：32,523 stars 为 2026-09-29 实测（ep13 时为 30.3k），引用请带日期。

复现

# 环境（本文所有实测）
python -m venv ~/workspace/agentscope-test/.venv && source ~/workspace/agentscope-test/.venv/bin/activate
pip install "agentscope==2.0.9"          # 2026-09-28 05:06 UTC 发布；PyPI 与 GitHub Release 同刻
python -c "import agentscope; print(agentscope.__version__)"

# 三个演示（脚本与手册随视频一起归档）
#   demo1_sop.py       —— 两步 SOP：出大纲（带 verifier）→ 成稿；可 --park-after 1 中断存盘、--resume 续跑
#   demo2_team.py      —— TeamPipeline：leader + 成员，leader 只收结果
#   demo3_console.py   —— agentscope.tui 全屏终端界面

← 表格可左右滑动查看

来源

← 表格可左右滑动查看

附：一句话口径（供简介 / 三件套复用）

AgentScope 2.0.9 把「验」写进了框架：任务拆成有序里程碑，每步有人判、有尝试预算，状态可存可续——进程挂了从断点接着跑；同版本还给自主配了团队分工、回头问人、更紧的危险命令判定，以及按回复挑模型的成本开关。自主不是不给约束，是把约束写成可验证的步骤、可回退的状态、可签核的人。