用事件模型记录 Agent 的每一步 | 柠萌的生活日记

统一事件是重放、审计、评测和恢复的共同基础。

图：命令表达意图，事件记录事实，投影提供可重建的查询视图；点击查看原图。

问题背景

生成式模型擅长处理模糊语言和提出候选方案，却不天然保证状态一致、权限正确或动作可恢复。讨论“用事件模型记录 Agent 的每一步”时，重点不应只是跑通演示，而是系统失败后是否知道发生了什么、能否安全继续，以及结果能否重复验证。

设计方案

定义运行、模型、工具、审批和状态提交事件，并携带运行 ID 与因果关系。

在“追加式事件流”进入实现前，先标注输入来源、调用身份和数据等级；输出通过结构与领域校验后才允许进入下一步。涉及外部副作用时，执行记录必须包含稳定业务键和脱敏证据。

实施产物：追加式事件流

定义事件名称、序号、因果 ID 和脱敏载荷；先落事件再推进投影；用重放器重建 Run。先在测试环境保存一条完整运行证据，再接入真实写操作；每次变更都必须能定位到配置、代码和数据版本。

practice:
  id: harness-event-model
  artifact: "追加式事件流"
  owner: platform-team
  timeout_seconds: 30
  failure_mode: fail_closed
  audit: required

示例只表达边界，不是可直接复制的完整框架配置。落地时应使用当前依赖版本的官方 API，并把超时、身份和审计接到现有基础设施。

实施步骤

1. 选一个可回放的小任务，写清输入、成功条件和禁止发生的副作用。
2. 实现“追加式事件流”，把模型建议与真正执行隔离。
3. 人工走通成功、拒绝和恢复三条路径，保存 run_id 与关键事件。
4. 加入自动化回归，再用小比例非关键流量观察指标。
5. 达到门槛后逐步放量；任一安全约束失败立即停止新任务并回退版本。

失败演练与验收

首要反例是：只存最终答案，故障时无法定位决策过程。不要只验证顺利完成；还要注入超时、重复请求、取消、无权限输入和依赖返回畸形数据。

本篇的硬性验收是：随机删除投影后能由事件重建相同状态。同时记录 事件丢失率、重放耗时、未知事件数。验收脚本应按结构化字段判定，不以“回答看起来合理”代替测试。

上线与回滚

“追加式事件流”上线前要固定模型、提示、规则、工具 schema 与数据版本，并用影子或灰度流量比较旧版。若 事件丢失率、重放耗时、未知事件数 越过门槛，先停止新 Run，再处理在途任务，恢复旧组合后逐项核对未决副作用。

适用边界

当场景是“没有外部动作的短请求”时，这套设计的维护成本通常高于收益。权限、金额、删除和一致性约束始终交给确定性代码，不能交给模型自行判断。

事件信封与演进

字段	约束
event_id	全局唯一，用于追加去重
run_id / sequence	Run 内严格单调
type / schema_version	事件解析与迁移
occurred_at / recorded_at	区分业务时间与入库时间
actor / tenant	审计与隔离
causation / correlation	串联命令与跨 Run 关系

事件名使用已经发生的事实，例如 ToolCallApproved、ToolCallCompleted，不把 ApproveToolCall 这种命令混入日志。事件追加成功后不可修改；错误数据通过补偿/更正事件表达。大载荷放对象存储，事件只保存内容摘要、受控引用和保留策略。

投影器记录最后 sequence，重复事件幂等忽略，发现间隙立即停止并补取，不能越过缺口构建“看似最新”的状态。新增事件类型时旧读者可以忽略非关键字段；改变已有语义则升 schema 并提供 upcaster。定期删除投影后从头重建，比较状态摘要；同时测试乱序、重复、未知事件和敏感字段脱敏。

第二轮实践复核

围绕“追加式事件流”建立一个不接触生产数据的最小项目，固定运行时、框架、模型、提示、规则和工具 schema 版本。正文代码块若缺少完整依赖、导入或领域类型，应视为架构伪代码；只有放入示例仓库并通过下述命令的代码才标记为可运行。

• 项目验证：运行项目既有的 schema 校验、契约测试与离线评测命令
• 回归夹具：把输入、结构化输出、工具轨迹和副作用记录为 JSON，用固定版本执行正常、拒绝、超时、取消与重复请求五组回归样本。
• 必留证据：run_id、版本组合、终止原因、动作幂等键，以及 事件丢失率、重放耗时、未知事件数。
• 通过条件：未批准写操作为零副作用；相同幂等键重复执行只产生一个业务结果；超时或恢复后状态可解释。
• 失败处理：先停新任务，再核对在途动作；回滚模型、提示、规则、工具与状态迁移的完整组合，不能只换回模型。

复用顺序

1. 为“用事件模型记录 Agent 的每一步”建立确定性假工具，先跑契约与失败用例，不接触真实凭据。
2. 围绕“追加式事件流”接入只读能力，核对权限裁剪、脱敏字段和 Trace 完整性。
3. 需要写能力时先输出 dry-run 差异，再绑定审批结果与一次性动作哈希。
4. 以本文验收指标比较影子流量；达到门槛才放量，越线立即执行文中的组合回滚。

实践与资料复核日期：2026-08-22；框架 API 以锁定版本的官方文档为准。

参考资料

• 官方文档

框架 API 会持续演进，复制示例前应再次确认当前版本。可持续的 AI 工程不依赖某个模型偶尔表现出色，而依赖清晰契约、可靠 Harness 与可重复验证。