本文针对长任务中 LLM 代理的失效进行细粒度分析。传统做法只记录症状（如失败模式标签或负责的步骤），却不说明错误何时进入、通过何种状态传播、是否已有轨迹证据与之冲突、以及哪些控制手段本可以捕获它。为此我们设计了一种 episode record，将候选故障与其起点、传播、检测、响应和后果关联，并标注对应的控制族在何种操作阶段和状态域覆盖该故障。我们将记录转化为书面注释协议，完整阅读了 Who&When 与 MAD 两个公开语料库中 95 次失败运行（共六个多代理系统），逐条标注每条轨迹。结果显示错误大多在运行早期出现（中位数为 0.18），主要表现为对任务状态的错误决策或捏造；在 Who&When 88 次运行中，有 37 次错误出现早于语料库人工标记的决定性步骤。72% 的失败轨迹在错误出现前已包含反证，但 88% 的情况下没有任何代理对其作出响应。31% 的运行出现偏差标记，却没有后续行动纠正偏离状态。独立评审阅读未使用的证据、任务合同（在任务接受时固定）以及对环境的信念再检查，可覆盖大多数错误情形；仅恢复代理自身状态即可解决 35/95 次失败。对原始语料的文本扫描进一步发现，45% 的手工构造的 Who&When 失败以内容过滤器崩溃收尾，随后测试框架输出了没有任何代理产生的最终答案，这类错误既不在症状分类也不在负责代理标签中体现。协议、记录与脚本已随文公开。\n\n点评：该工作提供了系统化的错误溯源框架，为评估和改进长时程 LLM 代理的可靠性提供了可操作的路径。