nuglifeleoji GitHub avatar

Sentry

Python
智能体故障恢复研究nuglifeleoji最近推送 2026年10月11日
训练与微调MIT1,5741040 issues7 天 +146

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

为 LLM 智能体提供运行时故障检测与恢复管理的外部层。

Sentry 是一个外部运行时故障管理层,用于 LLM 智能体。它检测执行失败,指导恢复,并从验证过的恢复中学习可复用的经验。它不替换智能体、环境或评估器,而是与智能体循环并行运行。

推荐指数

3.0

思路清晰且有论文支撑,但代码尚未完整发布,目前更适合关注方向而非直接使用。

近 7 天

+146

新增 Star

总 Star 排名

#2653

雷达追踪的 3,958 个 AI 仓库中

创建于

2026

2026年10月2日

核心亮点

  • 1外部故障管理

    作为独立层与智能体循环并行,不侵入原有架构。

  • 2学习恢复经验

    从验证成功的恢复中提取可复用教训,供后续任务使用。

  • 3按需暴露知识

    仅在匹配到具体故障时提供恢复建议,避免干扰上下文。

  • 4实验效果

    论文报告在多个基准上平均提升 37%,恢复率 81.7%。

适用场景

  • 智能体执行失败恢复

    例如:智能体在 WebShop 中提交无效动作时,Sentry 检测并引导其重试正确格式。

  • 减少重复错误

    例如:在 AppWorld 任务中,智能体陷入循环,Sentry 提供针对性提示帮助跳出。

  • 跨任务经验复用

    例如:在 SWE-bench Lite 上验证的恢复经验,被用于 Mind2Web Replay 的类似故障。

它是怎么工作的

  1. 第 1 步

    故障检测

    监控最近的智能体步骤,识别无效动作和行为异常。

  2. 第 2 步

    硬修复

    要求智能体按正确格式重试无效动作。

  3. 第 3 步

    软修复

    针对进度或推理问题,从经验库中提取相关教训给予指导。

  4. 第 4 步

    恢复验证

    检查智能体在后续步骤中是否成功恢复。

  5. 第 5 步

    在线学习

    将验证成功的软修复转化为可复用经验,存入经验库。

快速上手

  1. 1

    安装

    克隆仓库并安装依赖,要求 Python 3.10+。

    git clone https://github.com/nuglifeleoji/Sentry.git && cd Sentry && python -m venv .venv && source .venv/bin/activate && python -m pip install -e .
  2. 2

    验证配置

    运行配置验证命令。

    sentry-validate configs/paper.yaml
  3. 3

    集成到智能体循环

    使用 SentryRunner 提交每个智能体-环境循环步骤。

  4. 4

    运行基准测试

    在 AppWorld 基准上运行示例。

    python -m benchmarks.appworld.run --config configs/providers/openrouter.yaml

适合谁

  • 研究 LLM 智能体可靠性的机器学习研究者
  • 需要提升智能体任务成功率的开发者
  • 对运行时故障恢复策略感兴趣的技术人员

不太适合

  • 希望开箱即用的生产环境用户
  • 不熟悉智能体循环集成的初学者

成熟度

  • 活跃度仓库创建于 2026 年 10 月,最近更新于 10 月 11 日,但代码尚未完整发布。
  • 文档README 包含概述、快速开始和集成示例,但完整文档仍在完善中。
  • 社区1550 星、104 叉,但无开放 issue,社区互动较少。
  • 上手难度需要手动集成到智能体循环,且当前代码不完整,上手门槛较高。

使用前注意

  • · 仓库目前仅包含项目概述和论文,完整代码计划在 2-3 周内发布。
  • · 集成需要修改智能体循环,并自行负责动作生成、验证和执行。
  • · 运行基准测试需要配置 API 密钥和下载数据,有一定环境成本。
  • · 采用 MIT 许可证,可自由使用和修改。