长任务自主循环 (/goal)¶

/goal 为 auth 模块补齐单元测试并跑通 pytest         # 启动长任务循环（默认不限额度）
/goal --tokens 200000 --wall 1800 重构日志模块     # 限制最多用 20 万 token、跑 30 分钟
/goal status                                     # 查看当前进度、已用 token 与验收条件
/goal pause                                      # 暂停自动续跑
/goal resume                                     # 恢复续跑（超预算停下后也可用来继续）
/goal clear                                      # 清除当前目标

/subgoal 必须包含边界条件与异常输入的测试
/subgoal 所有原有测试不能报错
/subgoal list                                    # 查看当前验收条件
/subgoal remove 1                                # 按编号删除某条条件
/subgoal clear                                   # 清空验收条件

from agentica import Agent, DeepSeekChat

agent = Agent(
    session_id="refactor-task",
    model=DeepSeekChat(id="deepseek-v4-pro"),
    # 推荐配一个便宜的 auxiliary_model 用于每轮结束时的完成度判断，节省成本
    auxiliary_model=DeepSeekChat(
        id="deepseek-v4-flash",
        max_completion_tokens=4096,
    ),
)

result = await agent.run_goal(
    "在 examples/ 下新增一个 mcp_client 示例并验证可运行",
    token_budget=200_000,         # 可选：总输入+输出 token 上限（默认 None 不限）
    wall_clock_budget_sec=1800,   # 可选：总耗时秒数上限（默认 None 不限）
    turn_budget=None,             # 可选：最大轮数上限（默认 None 不限）
)

print(result.status)              # "complete" | "paused" | "budget_limited"
print(result.reason)              # 完成或停止的原因说明
print(result.turns_used)          # 实际执行的轮数
print(result.response_content)    # 最后一轮的总结回复

from agentica.run.events import RunEventType

def on_goal_event(event_type: RunEventType, payload: dict) -> None:
    print(event_type.value, payload)

await agent.run_goal("完成数据清洗脚本", event_callback=on_goal_event)