[Bug] CLI 0.16.9 单 turn 无 token/退化熔断：占位命令死循环 5 小时、一夜消耗约 3 亿 token #813

提交前确认 · Pre-submission checklist

• 我已搜索过现有 issue，确认这不是重复。相关但不同源：[Bug] 本地压缩估算90.4万token、上游实际计数113万；context_exceeded且retryable=false后仍循环重发88次，压缩失败无历史裁剪降级，fork无法解除超窗（3.10.1 / OpenAI-compatible） #415 是压缩估算偏差 + context_exceeded 后的循环；本例无 provider 错误、无压缩事件，是工具发射退化 + 框架缺熔断。
• 我已阅读 CONTRIBUTING.md。

问题类别 · Category

工具调用 / MCP · Tool use / MCP（伴随计费 / 配额影响）

涉及的 Agent 框架 · Agent framework

ZCode Agent（自研）

严重程度 · Severity

影响体验 · Major（无人值守场景下造成巨额 token 损失，具备计费风险）

复现频率 · Reproducibility

仅一次 · Once（触发面明确：effort=max + 数十 KB 内联工具入参，见根因分析）

问题描述 · Description

GLM-5.3-Flash（effort=max）在提交动态工作流（CreateWorkflow，script 参数内联约 24KB 脚本）时发生「工具发射退化」：模型每轮文本自述"现在调用 CreateWorkflow / 以 path 重新提交"，实际发射的工具调用却始终是编号占位 Bash（echo "placeholder-x1" 递增至 x1482+），连续约 5 小时、每 15 秒一轮。框架侧因无单 turn token/时长熔断、无重复调用检测，任由其每轮全量重发持续膨胀的上下文，直至跑满迭代上限（约 149 轮）才停，最终消耗约 3 亿 token，任务本身未完成。

复现步骤 · Steps to reproduce

1. ZCode CLI 0.16.9，渠道 bigmodel-start-plan，模型 GLM-5.3-Flash，effort=max，无人值守运行长任务；
2. 任务中需要调用 CreateWorkflow，且 script 参数内联大体积脚本（本例约 24KB 的 .dwf.ts 工作流草案）；
3. 模型进入「公告代替调用」退化状态：连续发出 echo "placeholder-xN" 占位 Bash（N 递增），每 15 秒一轮；
4. 持续约 5 小时，直至单 turn 迭代上限（约 149 轮）触顶，最后一轮才第一次真正发出 CreateWorkflow 调用。

期望表现 · Expected behavior

1. 单 turn 有可配置的 token / 时长硬熔断：达到阈值强制收束并向用户汇报，而不是只靠迭代计数兜底；
2. 有退化检测：连续 N 次近似重复的工具调用（尤其全部成功返回却无实质进展）自动中止该 turn 并提示用户。

实际表现 · Actual behavior

• 工具调用共 1870 次，其中 ≥1482 次为编号占位 echo；模型请求约 1870 次，节奏稳定在每 15 秒一次，持续约 5 小时；
• 每轮全量重发持续膨胀的上下文：末期单次请求携带 3977 条消息，请求体 1.19MB（估算约 40 万 token/次）；累计 ≈1900 次 × 平均 15–20 万 token ≈ 3 亿 token，与控制台口径一致；
• 05:45 迭代上限触顶后停止；最后一轮才第一次真正发出 CreateWorkflow 调用，流程停在待确认状态，工作流从未运行（无任何 run 记录）；
• 代码仓库零改动、无副作用；唯一产物是一份 gitignore 的草案文件，任务本身（CR 登记 + 处理意见 Excel）未完成。

ZCode 版本 · ZCode version

0.16.9

设备 / 系统 / 浏览器 · Device / OS / Browser

Windows 11 x64（10.0.26200）/ Git Bash / 渠道：bigmodel-start-plan（zcode-plan/anthropic 端点，SSE 传输）/ 模型：GLM-5.3-Flash（thinking enabled、output_config effort=max、max_tokens=128000、tools=51）

截图 / 录屏 / 日志 · Screenshots / Recordings / Logs

证据均来自本地结构化日志（zcode-2026-09-25.jsonl）与 model-io 请求/响应转录：

• 不是「调了被拒」：保留窗口内（112 条请求）dynamic-workflows skill 已加载，无任何 CreateWorkflow 拒收回执；整个窗口仅最后一轮出现 1 次 CreateWorkflow tool_use。即模型从未把该调用发射出去，与其文本自述完全脱节；

• 无 provider 错误、无重试风暴（attempt 均为 1），是稳定的"自说自话"循环；

• 会话：sess_94e914f2（工作区路径部分打码：E:\…\01_TMS）；

• 最后一轮模型文本自述原文（每轮均为类似表述）：

  「现在调用 CreateWorkflow 提交修订后的脚本文件：」「文件内容完好。提交：」「草稿文件在位且修复已落盘。提交：」

  ——随后实际发出的却是：

  {"command": "echo \"placeholder-x1481\"", "description": "占位"}

根因分析与建议

• 模型侧（直接原因）：GLM-5.3-Flash（effort=max）在「内联数十 KB 脚本的大体积工具调用」上发生发射退化——意图正确的文本与实际 tool_use 脱钩，用小占位调用替代，且占位每次成功返回，循环自我强化近 5 小时；
• 框架侧（放大原因）：无 token/时长预算，唯一护栏是约 149 轮的迭代上限；无退化检测，哪怕"连续 N 次调用高度相似即中止"的简单规则都能在十几轮内止损。

希望解决的：

1. 单 turn token / 时长硬熔断（可配置），达到阈值强制收束并汇报；
2. 重复/退化工具调用检测：连续 N 次近似重复调用自动中止并提示用户；
3. 大体积工具调用的防退化引导：对 inline script 类大参数调用，建议/引导使用文件路径引用（如 CreateWorkflow 的 path 模式），缩小退化触发面；
4. 如模型侧可反馈：GLM-5.3-Flash 在 effort=max + 大 inline 工具入参场景下的"公告代替调用"退化值得排查。

可应要求提供脱敏后的日志片段。