长任务 Agent 的检查点与恢复

长任务必须从已提交边界恢复，而不是失败后从头重跑。

图：恢复前先核对外部世界，结果未知的动作必须查询或对账；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“长任务 Agent 的检查点与恢复”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

在工具副作用前后建立检查点，记录输入摘要、调用 ID、幂等键和规则版本。

在“检查点协议”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：检查点协议

检查点保存状态、下一节点、已提交动作和版本；恢复前核对工具回执；只重放未确认步骤。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-checkpoint-recovery
  artifact: "检查点协议"
  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

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。
实现“检查点协议”，把模型建议与真正执行隔离。
人工走通成功、拒绝和恢复三条路径，保存 run_id 与关键事件。
加入自动化回归，再用小比例非关键流量观察指标。
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：把内存对象直接序列化，升级后无法读取。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：在每个步骤前后强制杀进程，恢复结果仍唯一。同时记录 恢复成功率、恢复时长、重复提交数。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

“检查点协议”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 恢复成功率、恢复时长、重复提交数 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“任务始终能在请求超时内完成”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。

检查点必须绑定输入世界

内容	示例
Run 身份	run_id、tenant_id、任务类型
版本快照	模型、提示、规则、工具 schema
状态	当前节点、已完成节点、终止原因
外部动作	action_id、参数摘要、结果状态
输入指纹	文档版本、代码 SHA、资源 ETag

检查点写入临时对象后校验摘要，再原子更新 latest 指针；读取时验证 schema、校验和和租户。状态数据与大体积附件分离，附件使用内容寻址，避免每步复制完整上下文。

恢复前重新核对外部世界：审批是否过期、资源版本是否变化、凭据是否仍有效。纯计算节点可以重放；已知成功的副作用节点直接复用记录；结果未知的节点先用 action_id 查询或对账。状态迁移升级需要版本化 migrator，旧检查点无法迁移时进入人工处理而不是丢弃重跑。

在每个持久化边界前后 kill 进程，同时注入损坏文件、旧 schema、对象缺失和并发恢复。使用恢复租约保证同一 Run 只有一个活动执行者；租约过期后接管者仍依靠幂等键防止旧实例复活造成双写。

第二轮实践复核

围绕“检查点协议”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 恢复成功率、恢复时长、重复提交数。
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

为“长任务 Agent 的检查点与恢复”建立确定性假工具，先跑契约与失败用例，不接触真实凭据。
围绕“检查点协议”接入只读能力，核对权限裁剪、脱敏字段和 Trace 完整性。
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。
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。