OpenClaw Codex-GPT5.4 Aufgabenvalidierungsschleifenproblem

Ausführungsfehlermodus in autonomen Agenten-Workflows

Ein Entwickler, der Codex-GPT5.4 über OpenClaw für langlaufende autonome Projektarbeit nutzt, berichtet von einem wiederkehrenden Fehlermodus, bei dem das Modell die nächste Aufgabe korrekt identifiziert, validiert, neu formuliert, den Aufgaben-Tracker aktualisiert, aber dann diesen Prozess wiederholt, anstatt die Aufgabe tatsächlich auszuführen.

Das Fehlermuster umfasst speziell: Erkennen der korrekten nächsten ausführbaren Aufgabe, Neuschreiben/Bestätigen in der Aufgabendatei, Bestätigen im nächsten Heartbeat/Check-in, Wiederholen derselben Bestätigung und dennoch keinen Ausführungsschritt durchführen. Dies erzeugt eine Meta-Schleife um die Aufgabenvalidierung statt um die Aufgabenausführung.

Implementierte Arbeitsbereichskontrollen

Um dieses Problem zu reduzieren, baute der Entwickler eine explizite Arbeitsbereichskontrollschicht um das Modell:

• TASKS.md: Dient als einzige operative Quelle der Wahrheit für aktive Projekte, nächste autonome Aufgabe, nächste menschliche Aufgabe, Entdeckungen aus vorherigen Runden und Aufgabenstatus/Priorisierung. Dies verhindert, dass das Modell jedes Mal „von Grund auf neu denkt“ und erzwingt Kontinuität.
• Strenge Heartbeat-Regeln: Fügte eine dedizierte Heartbeat-Richtlinie hinzu, die explizit festlegt: Nur Lesen/Aktualisieren von TASKS.md zählt nicht als Fortschritt, jede Heartbeat-Runde muss mindestens eine konkrete Aktion ausführen, wiederholte Blockaden ohne unterschiedliche Versuche sind verboten, wenn NEXT_AUTO ausführbar ist, muss es sofort ausgeführt werden, und der Agent darf nicht dieselbe Blockade oder denselben nächsten Schritt immer wieder ankündigen.
• Persona/Ausführungsvertragsdateien: Arbeitsbereichsübergreifende Anweisungsdateien zur Verhaltenssteuerung, einschließlich: Ausführungsstil und Anti-Füllstoff-Regeln, Benutzervorlieben und Kollaborationsmodus, Sitzungsstart-Kontinuität, Heartbeat-Verhalten und Speicherdateien für kurzfristige und langfristige Kontinuität. Diese Regeln unterdrücken explizit Muster wie: „Ich werde X tun“ ohne X tatsächlich zu tun, wiederholte stabile Blockaden, Stoppen nach der Planung, wenn Ausführung bereits möglich ist, und wiederholtes Validieren desselben nächsten Schritts.
• Persistenter Speicher + Projektnotizen: Enthält Langzeitspeicher, Tagesgedächtnis und Projekt-Checkpoints/Incident-Notizen/Debug-Berichte für Kontinuität.

Persistentes Ausführungsschleifenproblem

Selbst mit all dieser Struktur kann das Modell immer noch in eine Schleife abdriften, in der es bestätigt, dass die nächste Aufgabe identifiziert wurde, der Aufgaben-Tracker bereinigt ist, der nächste Schritt klar ist, der nächste echte Schritt X ist und es autonom fortfährt – aber keine tatsächliche Implementierung beginnt. Das Modell bleibt in einer Kontrollebenen-Schleife stecken, anstatt in die Ausführungsebene zu wechseln.

Der Entwickler stellt fest, dass das Modell oft gut in Diagnose, Priorisierung, Erstellung vernünftiger Ausführungspläne und Pflege strukturierter Notizen ist, aber an der Grenze von validierter Absicht zu konkreter Aktion scheitert. Einmal in diesem Muster, kann es Runden damit verbringen, dasselbe in leicht unterschiedlichen Worten zu wiederholen.

Der Entwickler sucht nach Lösungen, die für langlaufende autonome Sitzungen, persistente Aufgabendateien, periodische Heartbeat/Check-in-Ausführung und Codierungs/Debugging-Workflows funktionieren, bei denen der Agent eigenständig weitermachen soll.