《AI Agent 技术原理与架构·运行时、协议与系统架构》序

为什么运行时值得单独一卷:决策线回答选什么,执行线回答怎么可靠地执行。序里给出卷三的三块核心——运行时语义、协议、治理——如何落到状态机、幂等键与故障注入上,以及它和卷二决策线、卷一能力线的交接;读完能判断一个 Agent 运行时算不算可靠。

卷二回答了"Agent 怎么选动作",这一卷回答下一个问题:选好的动作,怎么被可靠地执行。

这个问题在 Demo 阶段几乎不存在——单进程跑一次,成功了皆大欢喜,失败了重启。但它一进生产就变成最贵的那个问题:副作用重复执行、状态丢失、无法恢复、级联失败。

一、可靠执行不能靠"重试一下"

工程里最常见的应对是"失败就重试"。但重试在某些场景下是灾难:W3 运维处置里"重启服务"这个动作,重试两次等于重启三次——如果第一次已经成功,重试就是重复副作用。

执行线的核心主张:把执行拆成能恢复、能审计、能终止的状态机。 状态是什么、副作用在哪里、失败落在哪个平面、怎么恢复,每一项都能写下来、在故障注入下验证。

二、三块核心

卷三由三块核心组织:

块回答的问题落在哪
运行时语义执行怎么被建模、恢复与终止第 1–3 章:三平面、状态机、调度
协议与隔离Agent 怎么跟工具、其他 Agent 组合第 4–9 章:沙箱、MCP/A2A、拓扑
治理与安全系统怎么被观察、防御与记录第 10–13 章:容错、观测、安全、ADR

三块是一条链:先有语义(能执行),再有组合(能协作),最后有治理(能长期运行)。 缺语义,组合无从谈起;缺治理,长期运行必然出事。

三、与卷二的交接

执行线的输入是决策线。卷二决定"选什么动作",卷三决定"动作怎么被可靠执行"。 决策链上每一步都要能在运行时落地:状态记录、幂等、故障恢复。

这也意味着决策不能只写在提示词里。决策要能落成运行时可以执行的结构——策略、计划、终止条件——否则状态机没有输入。

四、故障注入

卷三反复使用同一个实验方法:故障注入。 在副作用已完成、状态确认前注入崩溃,看系统能不能恢复、会不会重复副作用。

实验注入什么看什么
崩溃恢复副作用后、确认前崩溃幂等键是否防住重复副作用
熔断下游连续失败熔断器是否开、何时恢复
部分结果多个子任务部分失败结果是否还能合成

故障注入是"可靠性"的证据形式:它回答的不是"这个系统很稳",而是"在故障下,它在什么条件下恢复、什么条件下坏"。没有注入的实验,可靠性是信仰。

五、一个判断

如果卷三只能留下一句话,我希望是这一句:

一个 Agent 运行时可靠不可靠,用"在故障下它在什么条件下恢复、什么条件下坏、坏了能不能说清楚"来衡量,而不是用"它平时不坏"来衡量。

平时不坏可能是运气。故障注入把运气变成可验证的行为——状态、幂等、恢复路径齐了,才知道它在哪里会坏、坏了怎么办。

从第 1 章的运行时语义开始。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图