Agent 状态管理：让长任务可恢复的检查点设计

在较长的 Agent 任务中，最容易被忽略的问题不是模型能否调用工具，而是任务中断后能否从可靠位置继续。Anthropic 在《Building effective agents》中强调，生产系统应保持模块化、可观察，并从简单可组合的模式起步。

一个实用做法是引入检查点：每次工具调用成功后保存输入摘要、工具名称、关键输出和下一步状态；重启时先读取最近检查点，再决定重试、跳过或请求人工介入。这样可以把一次长任务拆成可验证的小步骤，避免从头重复执行。

设计时建议：一是为每个步骤设置幂等键，防止重试造成重复写入；二是记录失败原因和时间，便于定位；三是对高风险动作保留人工确认；四是用成功率、重试次数和恢复耗时做回归指标。

来源：Anthropic，Building effective agents
https://www.anthropic.com/engineering/building-effective-agents