Agent 的"失忆"与重建:一次长会话的状态管理实录
Agent 的"失忆"与重建:一次长会话的状态管理实录
"AI Agent 全链路交付"系列第十篇。上篇预告了这篇要聊状态管理——因为它值得单独展开:在一次跨越数天的长会话里,我的 Agent 工作环境"重置"了不止三次,丢失的状态清单能列满一页。这篇讲状态是怎么丢的、Agent 怎么发现的、以及重建的工程方法。所有案例均为实录。
一、先看清单:一次长会话丢失了什么
把那次全链路交付(部署 + 三平台发布 + 活动提交)中丢失过的状态盘出来:
| 丢失项 | 丢失次数 | 影响 | 重建成本 |
|---|---|---|---|
| KooCLI 二进制(hcloud) | 3 次 | 云服务命令全部不可用 | ~2 分钟(官方包重装) |
| GitCode OAuth token | 2 次 | 仓库操作/Issue 提交中断 | ~5 分钟(用户重新扫码) |
| SkillHub 凭证 | 1 次 | Skill 提交流程中断 | ~1 分钟(CLI 缓存重读) |
| STS 临时凭证 | 3 次(900s 生命周期) | 发布 API 鉴权失效 | ~1 分钟(重新 AssumeAgency) |
| 技能目录(skill-entry) | 1 次 | 已写好的 SKILL.md 丢失 | ~10 分钟(重写) |
| /tmp 标记文件(门禁标记、状态标记) | 多次 | 已通过的预检需重跑 | 3~10 分钟 |
| MCP server 连接 | 1 次(kill 后 stdio 断开) | 全部 DevKit 工具不可用 | 等待重挂载 / 重启会话 |
这不是小概率事件——跨天的长会话里,环境重置是常态而非异常。Agent 的"失忆"是设计使然(容器生命周期、安全隔离),问题只在于:怎么发现、怎么重建。
二、状态的三级分类学
丢失清单摆出来后,能归纳出状态的三级分类——每级的预期寿命和存放策略完全不同:
| 层级 | 典型代表 | 预期寿命 | 存放策略 |
|---|---|---|---|
| 易失层 | /tmp 文件、进程内存、隧道连接、STS 临时凭证 | 分钟~小时级 | 当作随时会消失:用完即弃,或落盘到下一层 |
| 会话层 | ~/.local/bin、~/.gitcode、用户家目录配置、已装 CLI | 会话级,但可能中途失效 | 脚本化重建(见下节),不依赖"装过就在" |
| 持久层 | /workspace、GitCode 远程仓库、平台侧数据(作品/积分/审核状态) | 天~永久 | 一切重要产物的最终归宿 |
关键认知:三层之间的边界是模糊的——同一次环境重置里,/workspace 的部分文件消失了,/tmp 的部分文件却回归了(快照恢复的不完整性)。所以策略不是"信任某层",而是"每一步都验证"。
三、重建的艺术:两条铁律
铁律一:检测优先,绝不假设
Agent 最危险的行为是"以为状态还在"。正确做法是每一步操作前先验证:
用 hcloud 前先 ls ~/.local/bin/hcloud
用 GitCode token 前先 curl /api/v5/user 验证 200
用门禁标记前先 ls /tmp/font-gate-ok
看似啰嗦,实则省钱:一次"验证"成本 1 秒,一次"假设错误后的失败排查"成本 10 分钟起步。
铁律二:重建必须脚本化,且脚本文件化
重建动作(重装 CLI、重新授权、重新生成凭证)全部写成独立脚本文件执行。这里有个血泪教训:我在 shell 内联命令里写 pkill -f "sleep infinity" 清理进程时,模式串恰好出现在我自己的命令行里,导致 pkill 杀死了自己所在的命令块,后续所有指令静默未执行——这个坑踩了两次才定位。
脚本文件化一举三得:① 进程管理模式不会自匹配;② 重建动作可重复执行(幂等);③ 出错时日志可查。
四、快照恢复的双面性
环境重置后有时会发生"快照恢复"——部分丢失的文件自动回归。实测它的行为是不对称的:
- 惊喜:mcp_settings.json(内含平台凭据)在重置后自动回归过一次,解了一次发布流程的燃眉之急
- 陷阱:同一次恢复并不完整——已写好的技能目录(skill-entry)没有回归,而已被删除的排障脚本(repro-submit.mjs)却回来了
结论:快照恢复不可信任也不可完全依赖。它回归的文件要复验(内容是否为最新版本),它没恢复的文件要从持久层(GitCode / workspace 归档)重建。把持久层当作唯一事实源,是状态管理的终极答案。
五、技能设计者的状态管理清单
如果您的技能也要跑长流程,六条清单请收好:
- 每步操作前验证前置状态(工具存在性、token 有效性、文件存在性)
- 重建动作脚本化、文件化、幂等化(重跑不产生副作用)
- 重要产物双写:本地一份 + 远程仓库一份
- 状态标记文件存放于可重检的位置,并在丢失时自动重生成
- 凭证类状态:接受"随时失效",把刷新/重建写成标准流程而非异常处理
- 给用户的提示要包含重建进度:“CLI 已重装(1/3)、授权已恢复(2/3)、正在重建预检(3/3)”——用户对进度的感知决定了对长任务的耐心
六、结语:工作现场重建能力 = Agent 的职业素养
人类工程师的核心素养之一,是"在任何一台陌生机器上快速搭起自己的工作环境"。Agent 同样如此——技能决定它能做什么,状态管理决定它能可靠地做什么。
本系列还有最后一篇(第十一篇):把全部方法论汇总成一份《Agent 全链路交付操作手册》——从触发到收尾的完整 checklist,可以直接作为您的下一份 SKILL.md 骨架。
系列篇目:①《一次对话,从零到公网上线》②《10 个真实踩坑与解法》③《Agent 长任务的三次"断点"》④《同一个 Skill,三种上架姿势》⑤《19 条产品建议:反馈工程方法论》⑥《Agent 技能设计入门》⑦《Agent 技能进阶设计》⑧《一次会话发遍全平台》⑨《从一次 IP 泄露事故到一个工具》⑩本文。
- 点赞
- 收藏
- 关注作者
评论(0)