Agent 跑到一半挂了？让 Agent 带着状态从断点继续

📝

小红书热门分享：Agent 执行中挂掉后不该盲目重跑——真正危险的不是丢 token，而是消息已发出、订单已创建、数据已写入。解决方案：run_id/step_id 追踪 + Checkpoint 保存 + 幂等键防重复。

以前觉得，Agent 跑到一半挂了，大不了再点一次重跑。

后来才意识到，真正危险的不是多花一点 token，而是它可能已经做完了一半：消息发出去了、订单创建了、数据写进去了。你再跑一次，事情就不是「没完成」，而是「重复做了一遍」。

来源：小红书 @clashverge6

🎯 核心方案：让 Agent 成为有状态的任务

1. 任务追踪

每次任务有自己的 run_id，每个步骤有自己的 step_id。做到哪一步、哪步成功、哪步在等审批，都要记下来。

挂了以后：新进程拿着 run_id 就能找到现场——

• 已成功的步骤 → 跳过
• 失败的步骤 → 按规则重试
• 结果不确定的 → 先去业务系统查，再决定

2. Checkpoint：最关键的一环

不需要存所有内容，只要在以下节点保存就够：

检查点类型	时机
模型调用工具	调用前/后
外部写操作	写之前
人工审批	等待/获得审批后

保存内容：任务信息、执行计划、关键上下文、模型和工具版本。大文件只存地址，不硬塞。

3. 幂等：容易被忽略的关键

对于付款、发消息、创建订单这类有副作用的操作，必须用 run_id + step_id 生成稳定的幂等键。

重复请求来了，外部系统应该返回第一次的结果，而不是再做一次。

📊 一句话总结

Agent 断了以后，别让它失忆；让它带着状态，从安全的地方继续往下走。

---

原文来源： 小红书 @clashverge6