AI 资讯 知识库 智能体生态观察智能体生态观察 · 第 44 篇|长任务执行:会话持久化、断点续跑与任务恢复

智能体生态观察 · 第 44 篇|长任务执行:会话持久化、断点续跑与任务恢复

登山的老经验里,真正的危险不是悬崖,而是撤退路上没有营地:退到哪儿、补给存哪儿、醒来后从哪一步继续,全靠事前布置。智能体的长任务同理——一小时级的工作意味着数百次工具调用与几十次模型决策,进程重启、配额耗尽、人工插手,任何一次中断都可能让运行归零。分钟级问答与小时级任务之间,隔着一道持久化的工程鸿沟:问答系统崩了重问一遍即可,长任务崩了,损失的可能是两个小时的工作与用户的信任。本篇拆这道鸿沟:中断各丢什么、状态分几层、恢复怎么续。

手绘信息图:长任务的生命周期流程,任务创建、执行循环、检查点写入、中断、断点恢复到完成归档六步时间轴,检查点卡片配数据库图标

三种中断:崩溃、耗尽与暂停,各丢什么状态

第一种是进程崩溃,最干脆的中断。内存里的消息历史、打开的工具连接、进行到一半的临时文件全部蒸发;磁盘上的产物还在,但「进行到哪一步、接下来做什么」这根线断了。恢复的最大成本不在重建环境,而在重建「当前位置」。第二种是上下文耗尽,最隐蔽的中断。任务没死,窗口却装不下历史了:截断即失忆,而截断的第一刀往往砍向最早的内容——用户的偏好、任务的边界条件、此前的失败教训,恰恰是最不该丢的东西。耗尽型中断的诡异之处在于系统还在跑,脑子已经残了:它可能礼貌地重复早已做过的工作,或者违反一开始就被明确的约束。第三种是人工暂停,看似无害实则危险。审批等待、预算调整、用户下班,任务挂起若干小时甚至过夜。暂停本身不丢数据,危险在恢复时刻:暂停期间外部世界可能变了——依赖升级、数据更新、相关文件被同事改过——人与系统对「当前状态」的理解也会漂移。三种中断的共同点值得看清:丢的都不是「做了什么」——产物大概率还在磁盘上——而是「处在哪、接下来该干什么」。这根线就是执行状态,持久化设计的全部目标,就是让这根线在任何中断之后都还在。

区分三种中断还有一个工程意义:它们的处置策略不同。崩溃靠检查点兜底,耗尽靠状态外置与摘要压缩,暂停靠一致的恢复语义——一套设计要同时伺候三位脾气不同的客人。三种中断的频率分布也有工程含义:崩溃是低频高损事件,靠架构兜底;耗尽是高频慢性事件,靠策略缓解——上下文管理做得好不好,决定任务跑到多长开始「变笨」;暂停是产品事件,频率由业务形态决定,审批流程重的场景里,暂停甚至比执行本身更常见。把三种中断当作同一种故障处理,是长任务系统最常见的初始设计错误。

中断类型 丢失的状态 主要恢复手段
进程崩溃 执行位置与内存现场 检查点重建现场
上下文耗尽 早期约束与偏好 状态外置加摘要
人工暂停 对状态理解的一致 对账加反思校准

持久化的两层:会话状态与任务状态

第一层是会话状态:消息历史、每次工具调用的请求与结果——服务于「对话能接着聊」。它的特征是只追加、体积大、顺序敏感。第二层是任务状态:计划(子任务清单与依赖关系)、进度(每步完成与否)、中间产物(文件路径与摘要)、预算余额(token 与步数还剩多少)——服务于「工作能接着干」。它的特征是结构化、体积小、更新频繁。两层缺一不可,但工程上最常见的错误恰恰是只存第一层:消息历史能回放,恢复后模型可以「读自己的聊天记录」重建认知——听起来可行,实践里代价高昂:回放要重读大量 token,重建出的计划是「从记录里猜出来的」,且被截断过的历史里可能已经丢了计划本身。正确的设计是把任务状态显式物化成一份检查点:计划是一等公民,进度是显式游标,产物带路径与摘要,预算单独记账。恢复时先读检查点重建工作现场,会话历史按需回放最近的片段——检查点回答「干到哪了」,历史回答「为什么这么干」。两层状态的关系类似代码仓库里的提交历史与任务看板:前者记录过程,后者记录当前该干什么;只翻提交历史推算下一步,永远不如看一眼看板直接。

两层状态之间还有一致性问题要处理。典型的不一致:检查点说第三步完成,会话历史里却找不到第三步的执行痕迹——版本错位、写入中断都可能造成。工程解法是把检查点与关键会话事件绑定写入:检查点的 version 与会话历史的最后一条事件序号互相引用,恢复时先对账再启动,对不上就以检查点为准、把差异记录成一条「恢复说明」,交给反思环节审查。一致性没法事后补,只能在写入路径上一次做完。

// 任务检查点:恢复所需的最小状态集
interface Checkpoint {
  taskId: string;
  version: number;             // 每次写入递增,恢复时校验一致性
  plan: {
    stepId: string;
    goal: string;
    status: "pending" | "done" | "failed";
  }[];
  cursor: { stepId: string; attempt: number };   // 下一步从哪继续
  artifacts: { path: string; summary: string; stepId: string }[];
  budget: { tokensUsed: number; tokensLeft: number };
  sessionRef: string;          // 会话历史的存储引用,不内联全文
  savedAt: string;
}

这份结构刻意压到最小:能引用的不内联(产物存路径与摘要),能推导的不冗余(进度从计划派生)。检查点写得越肥,写入越频繁,落盘成本越高;写得越瘦,恢复时需要回放的历史越多——粒度是这门工程的核心权衡,没有标准答案,只有与任务节奏匹配的选择。

断点续跑的工程:检查点、重放与幂等

第一件事是检查点策略:何时打点、打多细、存哪里。打点时机的主流选择是每完成一个计划步骤落一次盘,工具调用密集的任务在关键写操作后追加打点;存储形态上有「全量快照」与「事件日志加重放」两条路线,前者恢复快、体积大,后者体积小、恢复慢,多数框架选快照起步、日志兜底。生态里已有成熟参照:LangGraph 的检查器按执行步落状态快照,天然支持暂停、恢复与人审中断;Temporal 一类持久化执行引擎则把「崩溃后接着跑」做成运行时义务,重试、定时器、崩溃恢复都不必业务代码操心——截至 2026-11,生产系统里两者常被组合使用,快照管对话状态,引擎管过程韧性。选型时的判断标准很朴素:需要「状态可恢复」,检查点就够;需要「过程可重放、定时可调度」,才把持久化执行引擎请进来——两者的复杂度不在一个量级,不必为后者盲目引入。社区有一条经验之谈:恢复比重试难。retry 是同一个节点从头再来,resume 是带着全部历史从中间继续——前者只需幂等,后者还要一致性。第二件事是恢复三步:重放(读检查点、重建状态)、反思(对照计划查偏差:产物完整吗、环境变了吗、约束还成立吗)、续跑(从游标继续,绝不从头)。反思这一步是智能体区别于传统工作流的地方——环境可能在暂停期间变化,盲续不如先核对。第三件事是幂等工具设计:恢复必然伴随重复执行的风险——崩溃可能发生在「工具已执行、检查点未写入」的间隙,续跑会重做这一步。把下单、发邮件、写文件这类非幂等动作改造成幂等(客户端生成请求 ID,服务端按 ID 去重),不是优化项,而是断点续跑的前提条件。幂等的边界也要说清:读操作天然幂等,查询重复执行只是多花一次调用的钱;真正麻烦的是写操作,而写操作里最麻烦的是「跨系统写」——本地写文件可以靠原子重命名做到接近幂等,调用第三方支付接口的幂等却取决于对方是否支持请求 ID 去重。设计长任务时,应当把「哪些步骤不可幂等」提前盘出来,为它们配备专门的防御:要么在执行前先写「意图记录」再执行,恢复时对比意图与实际效果;要么把这类步骤尽量挪到任务末段集中执行,缩小中断命中的窗口。

flowchart TD
  C["任务创建:目标与预算"] --> E["执行循环:计划、执行、验证"]
  E --> P["检查点写入"]
  P --> E
  E -->|"进程崩溃 / 配额耗尽 / 人工暂停"| X["中断"]
  X --> R["恢复:重放检查点"]
  R --> F{"反思:状态与环境是否一致"}
  F -->|"一致"| E
  F -->|"有偏差"| A["修正计划后续跑"]
  E -->|"全部步骤完成"| D["归档:产物与执行轨迹"]

检查点、反思、幂等三件事串起来,才是完整的续跑链条:检查点解决「从哪继续」,反思解决「继续之前先校对」,幂等解决「重复做也不出事」——断掉任何一环,其余两环都会变成摆设。

生态观察:后台智能体与「回来接着干」

长任务能力正在成为产品分水岭,各家的差异集中在恢复语义。编码方向走得最快:多家产品上线了云端后台智能体——提交任务后进程在云端工作区里持续运行,会话可以隔夜恢复,开发者第二天回来接着审阅,进度通知与变更摘要(一份 diff、一段说明)成了标配体验。通用助理方向的形态是异步任务:提交后后台执行,跑完推送结果,用户不必盯着;深度研究类产品则把「分钟到小时」的任务时长产品化,中途可暂停审批、可追加约束。差异点至少有三个值得对比。其一,恢复语义是「从任意点续」还是「失败只能重跑」——前者依赖本篇的检查点工程,后者只是重试的体面包装。其二,人在回路是否常态化:暂停审批是长任务的高频场景,持久化设计好不好,看审批流挂一夜后能否无损恢复。其三,透明度:用户能否看到任务当前处在哪一步、检查点何时打的。可靠性口碑的构成也在变化:短任务时代比拼成功率,长任务时代比拼「中断后损失多少」——中断不归零本身就是卖点,恢复成功率与平均损失步数正在成为新的质量指标(截至 2026-11,各家产品对这类指标的口径尚未统一)。对企业场景还有一层咬合:审批节拍、工作时段、批处理窗口——长任务产品能否适配「人下班、任务续跑、早上来看结果」的节奏,正在成为采购评估里的实际问题。用户的习惯也在被长任务重塑:短任务时代,用户是「等待者」,盯着转圈;长任务时代,用户是「委托人」,交底之后去干别的。委托关系对产品的要求完全不同——进度不必实时,但关键时刻要触达:完成、失败、需要审批;摘要不必详尽,但要能支撑「要不要点开细看」的决策。把长任务产品当成聊天窗口做,用户很快会发现自己既不敢关页面也不敢离开——那不是委托,是看守。

小结

长任务的竞争力不在于聪明,而在于死了能活回来。三种中断丢的是同一根线——执行状态;两层持久化各管一头——会话状态保对话可续,任务状态保工作可接;续跑工程的三件事缺一不可:检查点让位置可存,重放与反思让恢复不盲目,幂等工具让重复执行不酿事故。这个领域的工程直觉可以压缩成一句话:把每小时的任务都当作会被打断的任务来设计。一个朴素的验收动作:在你的长任务跑过半时手动杀掉进程,重启后看它从哪儿继续——如果它从头开始,说明持久化只做了一半;如果它接着干并且没有重复下单,说明这套系统已经具备「死了能活回来」的体质,而这正是小时级智能体任务的及格线。

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?