今日 TL;DR
检查点是流程的恢复位置,业务回执是动作执行的证据;二者要能关联,不能互相替代。
- 保存任务ID、状态、输入版本和稳定动作键,恢复时从持久存储读取。
- 外部动作与本地检查点之间可能存在崩溃窗口;结果未知时先查询。
- 恢复必须重新校验授权,旧检查点不授予永久访问权。
为什么今天学这个
昨天区分了Resources、Tools与Prompts;周一建立了连接协议与业务授权的边界。今天解决周六“跨工具准备台”的实际故障:岗位已读、模板已取、准备单也许已经写入,但进程突然退出。直接从头再跑,可能创建两张准备单;只信内存里的完成标记,重启又会丢失进度。
上周可审计Agent项目把本地回执与状态放在同一事务,适合证明本地一致性。今天刻意把“业务服务”与“流程检查点”拆成两个数据库,暴露跨系统窗口。它是本地教学替身,未连接真实MCP或模型;两个数据库文件代表两个独立持久化边界,不声称实现了分布式事务。历史缺课仍按日历继续,不伪造补课记录。
检查点可以理解为游戏存档,但业务世界不会随读档回滚:已经发出的邮件、创建的订单仍可能存在。恢复不是按旧台词再演一遍,而是读取状态、核对事实,再决定下一步。明天学习长期记忆与可删除性:今天的任务存档主要用于单个任务恢复,不应自动变成跨任务永久记忆。
一张图讲清楚
图里最关键的是查询回执这条边。若业务端不支持幂等或可靠查询,“没查到”未必等于“没执行”,不能直接重试。稳定动作键在第一次执行前确定,并绑定租户、任务、动作和参数版本;每次重启生成新键会失去去重效果。输入变化应创建新版本,不可拿旧键悄悄执行不同内容。
三个核心要点
- 检查点保存恢复所需的最小事实。 除状态外,至少有任务ID、动作键、输入版本和结果引用;必要时增加状态版本、剩余预算和资源版本。对话记录有助于理解上下文,但不能证明写入已提交。LangGraph提供按线程保存图状态的checkpointer,跨线程资料则由store管理,二者作用不同。
- 幂等在执行端落实。 幂等是同一动作重复请求仍返回同一业务结果。客户端保存“我请求过”不足以阻止重复创建;目标服务需以唯一约束及事务保存动作键、参数与结果。下面用SQLite唯一键演示,外部服务能否支持同样合同必须单独核实,不能由本地例子推断。
- 恢复不是绕过检查的快捷入口。 重启后身份、权限、输入版本与预算都可能变化。先重新校验,终态直接读产物;未完成则先查回执。若业务执行成功而检查点未写回,可以补记完成;若查询也超时,应保持unknown,而不是把不确定性改写成失败后重试。
最小可运行示例
Python 3.10+,仅用标准库。保存为 resume_demo.py,在可写的临时目录运行 python3 resume_demo.py。输入是固定岗位准备任务job-7;输出显示第一次写入后模拟崩溃,第二次从旧检查点恢复,最终业务结果只有一行。文件仅保存测试字符串,不含简历隐私。
import sqlite3
from pathlib import Path
from tempfile import TemporaryDirectory
def open_db(path):
return sqlite3.connect(path)
def setup(root):
with open_db(root / "flow.db") as db:
db.execute("CREATE TABLE flow (task TEXT PRIMARY KEY, "
"state TEXT, action_key TEXT, payload TEXT)")
db.execute("INSERT INTO flow VALUES (?, ?, ?, ?)",
("job-7", "pending", "tenant-a/job-7/prepare/v1", "role-v1"))
with open_db(root / "business.db") as db:
db.execute("CREATE TABLE receipts (action_key TEXT PRIMARY KEY, "
"payload TEXT, result TEXT)")
def service(root, key, payload):
# 模拟业务端:查询、创建、结果保存处于同一独立事务。
with open_db(root / "business.db") as db:
db.execute("BEGIN IMMEDIATE")
row = db.execute("SELECT payload,result FROM receipts "
"WHERE action_key=?", (key,)).fetchone()
if row:
if row[0] != payload:
raise ValueError("idempotency payload mismatch")
return row[1]
result = "prepared:" + payload
db.execute("INSERT INTO receipts VALUES (?, ?, ?)",
(key, payload, result))
return result
def resume(root, allowed=True, crash_after_service=False):
if not allowed:
raise PermissionError("current authorization denied")
with open_db(root / "flow.db") as db:
state, key, payload = db.execute(
"SELECT state,action_key,payload FROM flow WHERE task=?",
("job-7",)).fetchone()
with open_db(root / "business.db") as db:
row = db.execute("SELECT payload,result FROM receipts "
"WHERE action_key=?", (key,)).fetchone()
if row and row[0] != payload:
raise ValueError("receipt payload mismatch")
if state == "done" and not row:
raise RuntimeError("completed checkpoint without receipt")
result = row[1] if row else service(root, key, payload)
if crash_after_service:
raise RuntimeError("simulated crash before checkpoint")
with open_db(root / "flow.db") as db:
db.execute("UPDATE flow SET state='done' WHERE task=?",
("job-7",))
return result
if __name__ == "__main__":
with TemporaryDirectory() as name:
root = Path(name)
setup(root)
try:
resume(root, crash_after_service=True)
except RuntimeError as error:
print(error)
print(resume(root))
print(resume(root))
with open_db(root / "business.db") as db:
count = db.execute("SELECT count(*) FROM receipts").fetchone()[0]
assert count == 1
print("receipts", count)
try:
resume(root, allowed=False)
except PermissionError:
print("revoked permission denied")
预期五行:simulated crash before checkpoint、两行 prepared:role-v1、receipts 1、revoked permission denied。第一次调用业务端已提交,流程仍是pending;第二次查到回执后补写done;第三次读取同一结果。这里的异常是确定性故障注入,不是操作系统强制杀进程;数据库连接重新打开用于演示持久读取。练习可进一步改成两个独立进程。
示例用本地只读授权布尔值替代认证服务,不能上线照搬。业务端事务串行化了同键创建,但流程表没有租约、版本比较或完整事件日志;真实多worker还需控制取消与状态竞争。SQLite事务保证自身数据库内的一致提交,不会让两份数据库变成同一个事务,更不会自动覆盖真实邮件服务器。本例成功的前提是业务端具备可靠按键查询与去重能力。
生产环境会怎么翻车
- 症状:恢复后创建两张单。 根因是每次尝试生成新动作键。处理:首次执行前持久化键,目标服务以唯一约束原子去重;同键不同参数拒绝并进入人工核对。
- 症状:状态done但业务结果不存在。 根因是先保存完成,再发送请求,或结果被删除后还沿用旧完成标记。处理:以可查询回执验证完成,保存结果生命周期,缺失进入不一致状态;不能自动补造历史成功。
- 症状:重启后继续读取已撤权资料。 根因是把检查点内的旧身份或批准当永久凭证。处理:重新认证授权,核对输入摘要与审批有效期,不通过就停止;凭证本身不写进检查点。
- 症状:存档越来越大,简历残留多处。 根因是把全部原始消息反复快照。处理:只保存必要引用、设保留期限,并让删除覆盖检查点与备份策略。明天进一步讨论可删除记忆。
动手练习
用20分钟把程序拆成 start 与 resume 两个命令,数据库放到你指定的测试目录。start执行业务操作后退出但不写完成;另起进程resume后断言只有一行回执。再增加“查询超时”分支:它应输出unknown并保留pending,不调用service。完成条件:跨进程恢复、重复恢复、撤权拒绝、同键改参数拒绝四项均可复现;写五行说明哪些保证依赖业务端,哪些由流程控制器提供。不要使用真实邮件发送来验证。
面试表达
30 秒回答
我把检查点和业务回执分开。检查点保存流程位置、版本和稳定动作键;恢复先重新鉴权,再按键查询业务结果。已执行就复用回执并补写进度,未知就待核验;只有目标服务能可靠去重时才安全重试,不能说存了状态就实现了恰好一次。
追问与 3 分钟回答
如果问“为什么从节点重跑不就行了”,我会说明节点可能先产生外部副作用,然后才返回更新;两者间崩溃会丢掉本地进度。重复调用模型还可能生成不同参数。因此将不可重放动作包在稳定业务合同内,首次持久化输入与动作键,执行后保留结果引用,恢复时查询而非重新猜测。
若问“两个worker同时恢复怎么办”,我会先明确业务端唯一约束是最后防线,流程端增加租约或比较状态版本,取消和完成采用合法状态转换。租约过期不代表外部调用被取消;拿到接管权仍要查回执。outbox可保证本地意图与业务状态一起提交,但投递通常仍可能重复,接收方也要幂等。
作品集展示正常完成、写后崩溃、查询超时与撤权四条路径,并标清工具替身。评估指标包括重复副作用数、恢复成功率、unknown积压与恢复耗时;不能只展示重启后屏幕上出现“成功”。
今日自测
1. 基础理解
检查点显示pending,能否断言业务动作尚未执行?
不能。业务可能已提交而本地检查点未写回。需要按稳定动作键查询业务回执。
2. 工程取舍
业务端不支持幂等,查询也不能确认结果时,能否自动重试?
不能把它视作安全重试。保留unknown并交接,或改造业务合同;本地去重表无法撤销外部重复副作用。
3. 场景应用
同一个动作键恢复时参数版本变了,该如何处理?
拒绝复用并核对差异。旧键绑定旧动作,新版本必须重新授权并建立明确任务版本,不能静默覆盖。
市场雷达
本期无新增市场信号。今天访问的官方文档用于机制核验,访问日期不等于最近30天的发布日期,不编造岗位需求数字。
权威来源
- LangGraph Persistence — checkpointer与store的作用、线程恢复及内存存储重启丢失的边界。
- Python sqlite3 — 本地数据库连接、参数化SQL和事务接口。
- SQLite Atomic Commit — 数据库内部原子提交与其硬件、文件系统前提;不提供外部服务事务保证。
三页于2026-10-28 09:02—09:03(Asia/Shanghai)实际读取。代码为本课教学实现,不是LangGraph或MCP官方SDK示例;架构取舍与故障演练为工程建议。
明天会用到
明天进入长期记忆与可删除性:区分单任务检查点和跨任务记忆,设计用户能查询、更正、删除的记录及保留期限,防止旧资料在恢复或检索时重新出现。