核心 GUIDE
Bounded Autonomy
给 Agent 足够的自由去完成有价值的工作，同时对成本、时间、权限与不可逆 Side Effect 设置硬边界。
核心心智模型
Autonomy 是一个 Action Budget：Agent 可以在明确的 Envelope 中自主行动，一旦触碰边界就必须 Stop、Ask、Verify 或 Escalate。
为什么重要
Unbounded Loop 可能无限消耗资源、重复 Side Effect 或逐渐偏离用户 Intent；过度限制又会让 Agent 退化成固定 Workflow。工程目标不是最大化 Autonomy，而是让自主程度匹配每类 Action 的 Reversibility 与 Impact。
01
建立 Autonomy Envelope
边界可以包含 Maximum Steps、Tool Allowlist、Spending Cap、Timeout、Approval Requirement 与基于 Confidence 的 Escalation。低风险、可逆 Action 可以自动执行；高影响或高歧义 Action 则需要更强 Evidence 或人工 Decision。
02
例子：Customer Support Agent
Agent 可以自动搜索 Knowledge Base、起草 Reply、发放小额预定义 Credit；大额 Refund 必须审批，而 Policy Evidence 相互冲突时必须 Escalate。因此同一个 Agent 对不同 Action 可以拥有不同 Autonomy Level。
常见失败模式
- 给所有 Tool 与 Action 配置同一个 Autonomy Level。
- 让 Retry 绕过 Approval 或 Spending Boundary。
- 加入模糊的 Human-in-the-loop，却没有定义何时必须升级。
工程启发
- 按 Reversibility 与 Impact 对 Action 分类。
- 设置有限的 Step、Time 与 Cost Budget。
- 把 Escalation 当成正常成功路径，而不是 Agent Failure。
关键结论
- 01更多 Autonomy 不等于更强 Capability。
- 02Boundary 应随 Action Risk 增强。
- 03可靠 Agent 必须知道什么时候不应该继续。
阅读记录
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
继续学习
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。