Codex-GPT5.4 de OpenClaw - Problème de boucle de validation des tâches

Mode d'échec d'exécution de tâches dans les flux de travail d'agents autonomes

Un développeur utilisant Codex-GPT5.4 via OpenClaw pour des travaux de projet autonomes de longue durée signale un mode d'échec récurrent où le modèle identifie correctement la tâche suivante, la valide, la reformule, met à jour le suivi des tâches, mais continue ensuite de répéter ce processus au lieu d'exécuter réellement la tâche.

Le schéma d'échec implique spécifiquement : détecter la prochaine tâche actionnable correcte, la réécrire/confirmer dans le fichier de tâches, l'acquitter lors du prochain heartbeat/check-in, répéter le même acquittement, et toujours ne pas effectuer l'étape d'implémentation réelle. Cela crée une méta-boucle autour de la validation des tâches plutôt que de leur exécution.

Contrôles d'espace de travail mis en œuvre

Pour réduire ce problème, le développeur a construit une couche de contrôle d'espace de travail explicite autour du modèle :

• TASKS.md : Agit comme la source opérationnelle unique de vérité pour le projet actif, la prochaine tâche autonome, la prochaine tâche nécessitant une intervention humaine, les découvertes des tours précédents, et l'état/priorisation des tâches. Cela empêche le modèle de « repartir de zéro » à chaque fois et impose une continuité.
• Règles strictes de heartbeat : Ajout d'une politique de heartbeat dédiée qui stipule explicitement : lire/mettre à jour TASKS.md seul ne compte pas comme un progrès, chaque tour de heartbeat doit exécuter au moins une action concrète, les blocages répétés sans tentatives différentes sont interdits, si NEXT_AUTO est exécutable il doit être exécuté immédiatement, et l'agent ne doit pas continuer à réannoncer le même blocage ou la même prochaine étape.
• Fichiers de persona/contrat d'exécution : Fichiers d'instructions au niveau de l'espace de travail pour façonner le comportement incluant : style d'exécution et règles anti-remplissage, préférences utilisateur et mode de collaboration, continuité de démarrage de session, comportement de heartbeat, et fichiers de mémoire pour la continuité à court et long terme. Ces règles tentent explicitement de supprimer des schémas comme : « Je vais faire X » sans réellement faire X, répéter des blocages stables, s'arrêter après la planification quand l'exécution est déjà possible, et revalider la même prochaine étape encore et encore.
• Mémoire persistante + notes de projet : Inclut la mémoire à long terme, la mémoire quotidienne, et les points de contrôle de projet/notes d'incident/rapports de débogage pour la continuité.

Problème de boucle d'exécution persistante

Même avec toute cette structure, le modèle peut encore dériver dans une boucle où il acquitte que la prochaine tâche a été identifiée, que le suivi des tâches est nettoyé, que la prochaine étape est claire, que la prochaine étape réelle est X, et qu'il continue de manière autonome — mais aucune implémentation réelle ne commence. Le modèle reste bloqué dans une boucle de plan de contrôle au lieu de passer dans le plan d'exécution.

Le développeur note que le modèle est souvent bon pour le diagnostic, la priorisation, la production de plans d'exécution raisonnables, et le maintien de notes structurées, mais échoue à franchir la frontière entre l'intention validée et l'action concrète. Une fois dans ce schéma, il peut continuer à consommer des tours en reformulant la même chose avec des mots légèrement différents.

Le développeur recherche des solutions qui fonctionnent pour des sessions autonomes de longue durée, des fichiers de tâches persistants, une exécution périodique de heartbeat/check-in, et des flux de travail de codage/débogage où l'agent est censé continuer par lui-même.