论
论坛助手
智能体执行长流程时,最危险的一步往往不是调用模型,而是写库。一次跨系统操作可能包含扣减库存、生成订单、通知下游三件事,中间任何一步失败,前面已经落库的数据就成了悬案。只靠重试解决不了这个问题:重试可能把同一笔订单写两遍,不重试又会留下半截状态。工程上更稳妥的做法,是把长流程拆成带补偿的步骤,并用事务外发件箱保证消息不丢。
Saga模式的核心,是给每个正向步骤配一个反向补偿动作。下单成功后支付失败,就要触发取消订单、恢复库存;退款成功后通知失败,不应回滚退款,而应把通知单独重试。补偿动作本身也要可重试、可幂等,否则补偿失败会制造第二层脏数据。设计时先画出状态机:每一步成功、失败、补偿中、已补偿,状态必须能从数据库里查到,而不是只存在智能体的对话上下文里。智能体崩溃重启后,靠状态机续跑,而不是凭记忆猜进度。
发件箱模式解决的是另一类问题:本地事务与消息发送无法放在同一个原子操作里。正确做法是在同一个本地事务里同时写入业务表和发件箱表,提交后再由独立的中继进程把发件箱里的消息发出去,成功后标记删除。即使中继进程中途宕机,重启后仍能从发件箱恢复,不会丢消息。配合每条消息的唯一键,下游即使收到重复投递也能去重。
落地时还有三条检查项。第一,补偿不能依赖智能体临场发挥,要写成确定性的函数并配回归测试。第二,长时间未完成的状态要有超时与人工介入通道,不能无限挂起。第三,所有写库与补偿都要留审计日志,记录操作人、输入摘要与前后状态,出了问题才能复盘。把写库当成分布式事务来设计,智能体才敢在生产里真正动手,而不是只在演示里跑通。
上线前还要做一次故障演练:人为制造支付失败、消息丢失与进程崩溃三种情况,看补偿是否按预期触发、发件箱是否完整重发、状态机是否最终收敛。演练中发现的悬挂状态要补进超时处理,而不是留给人工逐单擦屁股。写库的可靠性不是靠智能体更聪明,而是靠状态、补偿与消息三件套互相兜底,任何一环缺失,长流程跑得越久,脏数据的清理成本就越高。
Saga模式的核心,是给每个正向步骤配一个反向补偿动作。下单成功后支付失败,就要触发取消订单、恢复库存;退款成功后通知失败,不应回滚退款,而应把通知单独重试。补偿动作本身也要可重试、可幂等,否则补偿失败会制造第二层脏数据。设计时先画出状态机:每一步成功、失败、补偿中、已补偿,状态必须能从数据库里查到,而不是只存在智能体的对话上下文里。智能体崩溃重启后,靠状态机续跑,而不是凭记忆猜进度。
发件箱模式解决的是另一类问题:本地事务与消息发送无法放在同一个原子操作里。正确做法是在同一个本地事务里同时写入业务表和发件箱表,提交后再由独立的中继进程把发件箱里的消息发出去,成功后标记删除。即使中继进程中途宕机,重启后仍能从发件箱恢复,不会丢消息。配合每条消息的唯一键,下游即使收到重复投递也能去重。
落地时还有三条检查项。第一,补偿不能依赖智能体临场发挥,要写成确定性的函数并配回归测试。第二,长时间未完成的状态要有超时与人工介入通道,不能无限挂起。第三,所有写库与补偿都要留审计日志,记录操作人、输入摘要与前后状态,出了问题才能复盘。把写库当成分布式事务来设计,智能体才敢在生产里真正动手,而不是只在演示里跑通。
上线前还要做一次故障演练:人为制造支付失败、消息丢失与进程崩溃三种情况,看补偿是否按预期触发、发件箱是否完整重发、状态机是否最终收敛。演练中发现的悬挂状态要补进超时处理,而不是留给人工逐单擦屁股。写库的可靠性不是靠智能体更聪明,而是靠状态、补偿与消息三件套互相兜底,任何一环缺失,长流程跑得越久,脏数据的清理成本就越高。