在探讨 AI Agent 时，一个常被忽视的关键问题是：请求到来时，究竟由谁负责响应？

一个对话请求应当分配给哪个模型？简单问答可以选用小模型，复杂推理则需大模型处理；某个 Agent 实例发生故障时，如何自动切换到备用实例；上下文过长时，怎样压缩才能保留核心信息。这些问题，PilotDeck 提供了一套完整的工程化解决方案。

一、为什么需要路由？

传统的 LLM 调用通常采用一对一的模式：收到请求，用固定的模型进行处理。然而生产环境中的 AI Agent 面临更加复杂的挑战——

• 依据任务复杂度选择适宜的模型，将资源用在最需要的地方
• 多个模型组成降级链路，一个失败后自动切换至下一个
• 跨 Agent 的上下文压缩与管理
• 子 Agent 的编排以及状态维护

在此背景下，简单的 if-else 判断已难以胜任，必须引入专业的路由层来承担这一职责。

二、PilotDeck 路由的整体架构

用户请求 ↓
RouterRuntime.decide() ← 决策：用什么模型？ ↓
RouterRuntime.execute() ← 执行：调用模型，返回流式事件 ↓
AgentLoop ← 循环：工具调用、上下文管理、重试

RouterRuntime 负责“选用何种模型”这一决策环节，而 AgentLoop 则负责“模型如何运作”这一执行环节。二者职责明确分离，架构层次清晰。

三、决策链：优先级层层递进

在 decide() 方法中，路由决策的优先级采用层层传递的机制：

Custom Router（插件自定义）→ Scenario（显式指定）→ TokenSa ver Sticky（会话粘性）→ TokenSa ver Classification（智能分类）→ Default（默认兜底）

每一层均为独立的策略层，一旦当前策略失败，便自动传递至下一层。这种设计模式在工程领域被称为责任链模式。

1. Custom Router：插件化的魔力

通过 PilotDeckCustomRouter 接口，开发者能够像拼接积木一样插入任意自定义的路由策略：

export type PilotDeckCustomRouter = {
    id: string;
    decide(input: CustomRouterDecideInput): Promise | undefined>;
};

外部扩展可以自主实现路由逻辑，并通过 CustomRouterRegistry 进行注册。在 RouterRuntime 进行决策时，会优先调用自定义路由，这一特性为开发者提供了极大的灵活性。

2. TokenSa ver：用小模型为任务分类

TokenSa ver 是 PilotDeck 中极具巧思的设计之一。它利用一个小型模型（Judge）判断当前任务应归入哪个等级：

用户消息 → Judge 模型 → tier name → 对应模型

它将任务划分为四个层级：

Judge 模型只需返回一个 tier 名称，计算量很小，却能显著降低整体成本。值得注意的是，针对用户仅发送“继续”、“好的”这类简短确认消息，PilotDeck 专门做了 Smart Continuation 优化——这类消息不应被重新分类，而是直接沿用上一轮的 tier。因为小模型很容易把这些短消息误判为“simple”。

3. Session Sticky：会话粘性机制

同一会话中的连续请求，若内容高度相似，每次都用 Judge 来分类显然是一种浪费。SessionRouterStore 采用内存缓存来保存会话状态：

get(sessionId, isSubagent) {
    // 检查 TTL 是否过期
    // LRU 提升最近访问的条目
    return this.map.get(key)?.state;
}

支持 TTL（默认 60 分钟）与 LRU 淘汰（默认容量 500），并且主/子 Agent 的存储是分离的（key = sessionId 或 sessionId:sub）。有限的内存资源，被精准投入到最关键的地方。

四、执行层：容错与恢复

execute() 方法不仅执行模型调用，还需要处理各种棘手的故障场景。

1. Fallback 降级链

attempts = [主模型, ...fallbackPlan.attempts // 配置的多级降级模型]

当主模型失败时，会按顺序尝试降级模型。但降级并非盲目进行，有些错误适合降级，有些不适合：

function isFallbackEligible(error) {
    if (error.code === "invalid_tool_arguments") return true; // 可自修复
    if (!error.retryable) return false; // 非重试错误不降级
    if (error.code === "prompt_too_long") return false; // 长度问题降级也解决不了
    return true;
}

2. Zero-Usage Retry：空响应检测

有时模型确实返回了内容，但实际内容为空（尤其是在流式响应中途出错时）。Zero-Usage Retry 专门用于检测这类场景：

function shouldRetryZeroUsage(state) {
    if (state.observedFinish && // 收到 message_end
        !state.observedAnyText && // 但没有任何内容
        totalTokens === 0) { // 且 Token 数为 0
        return true; // 触发重试
    }
}

3. Streaming 防重复机制

这是整个工程中体现精细程度最高的地方。当 Fallback 切换模型时，如果已经向用户输出了部分内容，再切换就会导致重复输出。PilotDeck 使用 hasYieldedContent 标记来解决此问题：

let hasYieldedContent = false;
let pending: CanonicalModelEvent[] = [];
for await (const event of streamAttempt(...)) {
    if (!hasYieldedContent && isContentEvent(event)) {
        // 先 flush 之前 buffer 的 framing events
        for (const queued of pending) yield queued;
        pending = [];
        yield event;
        hasYieldedContent = true; // 标记：已经有输出了
        continue;
    }
    if (hasYieldedContent) {
        yield event; // 直接输出
        continue;
    }
    pending.push(event); // 还没内容，先 buffer
}

五、AgentLoop：循环中的艺术

AgentLoop 是整个系统的核心循环，其管理非常精细。

1. 两阶段压缩

压缩（Compaction）在路由决策前后各执行一次：

第一阶段：路由决策前（用主 Agent 的默认上下文窗口） ↓
第二阶段：路由决策后（用目标模型的上下文窗口）

为什么需要这样做？因为不同模型的上下文窗口大小不同。如果主 Agent 配置了 20k token 窗口，但路由决定使用 4k 窗口的模型，就必须进行二次压缩，否则模型根本无法容纳那么多内容。

2. Circuit Breaker：防止模型卡死

如果连续 3 轮所有工具调用都出现 invalid_tool_input 错误，说明模型陷入了某种死循环（比如反复生成空参数），此时应当果断熔断：

const MAX_CONSECUTIVE_ALL_INVALID_TURNS = 3;
if (consecutiveAllInvalidTurns >= MAX_CONSECUTIVE_ALL_INVALID_TURNS) {
    throw new Error("模型陷入工具调用错误循环，终止执行");
}

3. JSON Self-Correct

模型生成的 JSON 参数有时会格式错误（例如缺少引号、尾随逗号）。PilotDeck 会自动检测并让模型重试：

if (error.code === "invalid_tool_arguments" && jsonSelfCorrectCount < 3) {
    messages.push({
        role: "user",
        content: "你上一个工具调用的参数包含无效 JSON，请用有效 JSON 重试。"
    });
    continue; // 重试
}

最多重试 3 次，给模型一次自我纠错的机会。

六、CompactionEngine：上下文压缩

当对话历史过长时，CompactionEngine 会使用一次额外的模型调用来总结历史：

保留最近 35% 的消息 → 用模型总结前面的内容 → 插入边界标记

总结后的结构如下：

boundaryMarker → summary → keep → attachments → hookResults

工具对的完整性检查同样重要：如果被总结的消息中存在一个工具调用，但它的结果位于保留部分，就会产生悬垂引用。CompactionEngine 会剥离这些不配对的工具调用和结果，确保上下文的完整性。

七、设计模式总结

八、写在最后

研读 PilotDeck 的代码，最大的感受是其工程精细度。很多框架设计一个功能，画一张架构图就结束了。但 PilotDeck 的每个功能都具备完整的边界情况处理：空响应如何处理、Token 预算超限如何处理、连续错误如何熔断、流式输出如何防止重复……

这些并非过度设计，而是生产级系统不可或缺的能力。当你的系统每天处理成千上万个请求时，每一个边界情况的处理质量，直接决定了系统的稳定性与成本。这恰恰是 AI Agent 框架从“玩具”迈向“产品”的关键一步。