检查点与回滚

检查点保存状态；回滚恢复到先前状态。两者是持久执行 (Lesson 12) 的基础。检查点让 Agent 在崩溃后恢复。回滚让 Agent 在犯错后撤销。关键设计选择：检查点频率（每次迭代 vs 每个重要步骤）、回滚粒度（完整状态 vs 单个文件）和回滚触发器（人工 vs 自动）。

类型： 学习 语言： Python (stdlib, 检查点-回滚管理器) 前置条件： Phase 15 · 12 (持久执行), Phase 15 · 15 (先提议后提交) 时间： ~30 分钟

问题

Agent 会犯错。当 Agent 犯错时，你需要能够撤销损害。没有检查点，你只能从头开始。没有回滚，你必须手动修复每个错误。

检查点和回滚是 Agent 系统的”撤销”按钮。它们是长时间范围可靠性 (Lesson 1) 和先提议后提交安全 (Lesson 15) 的基础。

概念

检查点策略

生产系统通常使用混合：每个重要步骤检查点 + 定时检查点作为安全网。

回滚触发器

• 人工触发：用户审查输出，发现错误，请求回滚。
• 自动触发：验证器检测到错误（测试失败、Schema 不匹配、输出越界）。
• 预算触发：成本治理器检测到异常消耗率。
• 金丝雀触发：金丝雀令牌检测到越界行为 (Lesson 14)。

回滚粒度

• 完整状态回滚：恢复所有文件、变量和 Agent 状态到检查点。最安全但可能丢失好的工作。
• 选择性回滚：只恢复受影响的文件或组件。保留好的工作但可能遗漏依赖项。
• 分支回滚：从检查点创建新分支，保留原始路径。最灵活但存储成本最高。

检查点内容

最小检查点包含：

1. Agent 状态（变量、上下文摘要）。
2. 文件系统快照（受影响文件的副本）。
3. 工具调用日志（调用了什么、返回了什么）。
4. 检查点原因（定期、崩溃前、人工请求）。

回滚后的恢复

回滚后，Agent 需要知道发生了什么。好的设计：

• 回滚原因记录在 Agent 上下文中。
• Agent 被告知”你被回滚到检查点 X 因为 Y。请尝试不同的方法。”
• 失败方法的记录保留，以便 Agent 不重复相同错误。

构建它

code/main.py 实现检查点-回滚管理器。Agent 运行，定期检查点。当错误检测到时，回滚到最近的检查点并重试。

运行：

python3 code/main.py

练习

1. 运行 code/main.py。观察检查点频率如何影响回滚后丢失的工作量。
2. 实现选择性回滚：只回滚受影响的文件，保留其他更改。什么依赖项可能被遗漏？
3. 添加分支回滚：回滚后创建新分支，保留原始路径。比较存储成本。
4. 设计一个回滚触发器，当 Agent 的输出质量下降时自动回滚。如何测量”质量下降”？

关键术语