L03-05 状态机：Agent 跑一半重启了怎么办

全局中心内容：Agent 是长时间运行的进程，必须像对待工作流一样对待它的状态。 全局讲解主线：重启丢状态的场景 → 状态模型 → 检查点 → 上下文压缩 → 恢复策略 → 编码 → 验收。

---

P1 · 产出页

中心内容：一个带检查点、可断点续跑、重启自愈的 Agent 运行时。

• 讲解技巧
  • 开场场景：Agent 跑了 6 分钟，发了 3 次部署请求，然后服务发版重启了。
  • 提问：重启后它是从零再来，还是接着跑？——前者意味着重复执行写操作。
• 时长：20s

---

P2 · 状态模型

中心内容：一次运行 = 一条 agent_run 记录，包含状态、轮次、上下文引用。

• 页面内容：表结构设计与状态取值

• 讲解技巧

  • 讲清「状态」和「上下文」要分开存：状态是小字段（在表里），上下文是大文本（单独存），否则表会迅速膨胀。
  • 提醒要给 runId，所有日志、工具调用、审计都挂在这个 ID 上。

• 时长：5min

---

P3 · 检查点

中心内容：每轮结束写一次检查点，而不是只在结束时写。

• 页面内容：检查点写入时机与内容

• 讲解技巧

  • 讲清代价与收益：写入有成本，但丢一轮的代价远大于写一次的成本。
  • 提醒检查点要包含「已经做过的写操作」，这是防止重复执行的关键。

• 时长：5min

---

P4 · 断点续跑

中心内容：从最后一个检查点恢复上下文，继续循环。

• 讲解技巧
  • 强调恢复时要把「恢复」这件事本身告诉模型，否则它不知道之前发生过什么。
  • 提醒：已执行的写操作不能重做，需要在恢复时把结果回填为 Observation。
• 时长：5min

---

P5 · 上下文压缩

中心内容：轮次多了上下文会爆，需要摘要压缩。

• 页面内容：压缩策略（保留目标 + 近期原始 + 历史摘要）

• 讲解技巧

  • 强调「保留最初的任务目标」：很多压缩实现把开头丢了，结果 Agent 跑着跑着忘了要干什么。
  • 讲清压缩本身也要调用模型，要计入成本。

• 时长：6min

---

P6 · 重启自愈

中心内容：启动时扫描未完成的 run，按策略恢复或标记失败。

• 页面内容：ResumeOnBoot 流程

• 讲解技巧

  • 给出一个保守建议：自动恢复只用于只读场景；涉及写操作的，标记待人工确认更安全。

• 时长：5min

---

P7 · 编码：状态持久化

中心内容：CheckpointRepository + 事务边界。

• 讲解技巧
  • 提醒事务边界：检查点写入要在工具调用之后、下一轮之前，顺序错了会丢状态。
• 时长：6min

---

P8 · 验收测试

中心内容：跑一半 kill 进程，重启后验证是否重复执行。

• 讲解技巧
  • 给出具体测试方法：用一个计数工具，恢复后断言它只被调用了一次。
• 时长：4min

---

P9 · 避坑与小结

中心内容：没有持久化的 Agent 只能做演示，不能上生产。

• 讲解技巧
  • 引出下一节：写操作不能只靠机器判断——03-06 Human-in-the-loop。
• 时长：2min

---

讲师备忘

项	内容
课前必做	准备 agent_run 表结构；准备 kill -9 的现场演示
最容易超时处	P5 压缩策略，容易展开
学员最常问	「检查点写多频繁？」答：每轮一次，写操作后立即再写一次
现场备用	无数据库 → 用文件持久化演示