證明Agent真正恢復

結論很直接：只有原定工作通過驗收、外部動作逐項對賬、原有權限完整保留，Agent纔算恢復。崩潰後仍然存在的對話，是有用的基礎設施；能夠正確接着做完的任務，纔是經營能力。企業願意爲後者付錢，回執也應把兩者分清。

設想一家小公司正在製作客戶報告。Agent已下載資料、寫好分析，並提交發送請求，連接突然斷了。重啓後，對話仍記得任務。但最關鍵的問題還沒有答案：客戶到底收到沒有？再發一次，可能重複；直接宣佈成功，可能掩蓋失敗；請創始人重建經過，又把軟件恢復變成了無償管理工作。

這是說明問題的假設場景，並非真實生產事故。它暴露了記住任務與負責任地完成任務之間的距離。恢復系統必須找到外部回執，與保存的檢查點對賬，再選擇下一項獲准動作。流暢的記憶，只是其中一個輸入。

平臺現在承擔什麼

OpenAI在9月10日的更新记录中宣佈Agents API進入public beta。概览說明，OpenAI託管的Codex harness負責會話、編排、上下文壓縮和恢復；應用提供工具，並選擇託管或自託管沙箱等執行環境。持久會話支持跨turn繼續工作。

這減少了開發者要自己搭建的編排設施，也讓剩餘責任更容易說清。平臺保存了對話狀態，應用卻仍可能沒有權威記錄，證明某項外部動作是否發生。第一次重試之前，就應明確誰負責哪一段。

Quickstart用GPT-6 Astra生成並運行一個目錄樹腳本。文檔提醒，turn完成仍可能包含工具失敗；stream斷開後，應先取回保存的會話信息再重試。事件說明生命週期走到了哪裏，任務要求的文件及其真實行爲，才說明工作有沒有完成。

下文是一套用於檢驗這條邊界的編輯框架。它不是OpenAI的恢復保證，不是RobinOS已部署的實現，也不是Astra比Sol更擅長救援的實測結論。本次覈驗的文檔提供了能力說明與限制，沒有提供兩個模型在生產恢復中的受控對照。

保存決策狀態

有用的檢查點要回答五個問題：用戶要求什麼，哪些結果已驗證，下一步允許做什麼，哪些外部動作已發生，還有什麼不確定。只保存聊天記錄，答案可能散落在幾百條消息裏。檢查點應把它們寫清，讓接手進程能夠直接檢查。

在假設的報告任務中，應保存來源哈希、已接受的報告版本、已通過的檢查、指定收件人，以及發送動作的穩定標識。發送意圖和實際回執分別記錄。嘗試過與已確認，不能擠在同一個字段裏。

檢查點還要標明何時必須重新覈驗。進程離線期間，收件人可能變化，來源可能更正，授權也可能到期。保存相關版本和重新檢查條件，恢復時才能進行具體比較，而非把記得的內容一律當成現狀。

待定工具操作也應明確列出。worker發出請求後消失，接手者看到的應是一項未決操作，而非空白待辦清單。正確第一步可能是讀取目標系統。如果暫時無法讀取，結果繼續保留UNKNOWN。在發送邊界等待，並不妨礙準備其他獨立工作。

每個外部動作都要有負責人

防重複機制必須覆蓋真正執行動作的系統。兩個worker競爭，或本地記錄寫在網絡失敗之前，一句“已發送”幾乎沒有保護作用。目標支持冪等時，同一業務動作應複用穩定操作鍵，並保存目標回執，讓重試可以逐項覈對。

目標不支持冪等時，應結合單一執行負責人、持久操作記錄及寫後讀取驗證，並明確剩餘歧義。如果接口既不給可靠回執，也無法查詢先前結果，再好的提示詞都無法憑空創造“恰好執行一次”的保證。

恢復租約可以阻止兩個正常worker同時認領任務，但租約本身不能證明舊worker已經停止發出外部動作。應用需要在關鍵執行邊界拒絕過期所有者，或收窄操作，使併發執行無害。這是需要測試的設計要求，不能從API概覽中自行推定已經具備。

問責單位應是業務操作。“發佈這個已批准版本”的身份，應在重連、重啓、更換模型後保持不變。新的對話turn不應悄悄變成新的發佈指令。報告、文件、通知都適用這個原則，控制強度則隨後果調整。

在原有授權內恢復

推理能力更強，不代表授權更大。Sol若只獲准起草報告，Astra可以診斷起草爲何失敗；這次交接並未授權向客戶發送。任務若只允許發往一個目的地，恢復也不能爲了讓測試變綠而增加收件人。

把授權主體、資源、動作、限制和到期條件放在檢查點旁邊。恢復有實際後果的操作前，與當前授權比較。撤銷指令經過壓縮後仍應是有效約束。憑證過期或缺少權限時，在對應邊界停下，同時繼續安全的診斷與準備。

這條分界其實保護了自主性。已授權的日常工作，不應反覆把創始人叫回來批准；創始人暫時不在，也不能被解釋爲擴大範圍的同意。有效系統複用仍然有效的授權，指出確切的人類專屬決策，並在確有門檻時交回具體、可審閱的結果。

9月6日的OPC Test追問工作能否擺脫創始人的持續介入。恢復又加了一道題：失敗之後，系統能否繼續完成工作，同時記住自己從未獲準做什麼？

讓升級路由證明價值

建議的流程從Sol執行有界任務開始。依賴失敗後，先按預先寫明的有限恢復步驟處理。只有該步驟失敗，或剩餘診斷涉及重要架構歧義時，才引入Astra。交接材料包含檢查點、失敗嘗試、當前產物diff、權限和驗收條件。

Astra應交回診斷、最小修復，以及任務可以繼續的證據。整套重寫會改變比較基礎。保留原始任務合同與失敗軌跡，把修復貢獻和Sol已經完成的部分分清。

9月8日的Astra Escalation Ladder提供了相關討論。這裏還要明確返回路徑：不確定部分解決後，日常執行回到同一套約束下。升級是一段有邊界的介入，不是所有任務永久轉用最貴模型。

當前Astra模型页列出的標準輸入／輸出單價爲每百萬Token 10／50美元，Sol爲4／20美元，對應2.5倍。兩者均列出1,050,000 Token上下文窗口。這些數字都不能直接證明一次業務恢復要花多少錢。長上下文調整、緩存、工具、環境與重試會改變實際賬單。

失敗之後再算成果成本

恢復率的分母應包含所有符合條件的故障注入，失敗嘗試也要留下。測試開始前就定義成功：目標產物通過檢查，必要外部動作對賬完成，約束保留，完工報告與證據一致。停在那裏仍有未決證據的任務，不算恢復成功。

狀態丟失、重複動作、越權動作、壓縮後指令保持要分別統計。高恢復率可能掩蓋無法接受的重複率，低現金支出也可能掩蓋創始人數小時的介入。計數和比率旁邊，應註明任務羣體、觀察期間及缺失數據原因。

每個已驗證成果的成本，應包含最初執行、失敗嘗試、救援、工具和環境費用。創始人介入分鐘與現金費用並列展示；若要給時間定價，明確那是選擇的假設，不能包裝成觀察到的市場價格。9月10日的Founder Interruption Tax解釋了爲什麼注意力也應進入這本賬。

如果一組試驗沒有任何已驗證成果，直接報告支出和零成果。比率無定義，不代表結果免費。如果沒有記錄介入時間，就寫UNKNOWN，不填零。好的恢復經濟性，經得起誠實的分母。

公平比較需要凍結任務、起始版本、工具權限、故障點和驗收標準，並在回執中保留模型與推理設置。在相關故障類別中反覆測試，再留出新案例檢驗路由規則。一次漂亮救援可以揭示機制，不能證明普遍優勢。

讓Murphy選擇中斷點

先選一個可逆、沒有生產權限的沙箱任務。帶模擬發送接口的報告生成器，可以覆蓋文件創建、來源解析和帶回執的外部動作，又不涉及客戶或資金。模擬接口應提供穩定操作日誌，使測試能夠獨立於Agent自述發現重複。

第一刀切在模擬發送已獲確認、但本地尚未保存完工記錄之時。預期行爲是找到既有回執並完成對賬，不再發送。第二刀切在收到確認之前，要求Agent先查詢目標系統，再決定是否重試。這兩刀從兩側檢驗最危險的間隙。

工具不可用、依賴破損、進度stream斷開分別測試。Agent應識別失敗層，保留已完成產物，並沿獲准路徑重試或修復。依賴修好後，原任務重新通過纔算有效；只重裝軟件、不把事情做完，不計成功。

再測試模擬授權到期、來源替換爲新版本、強制壓縮、webhook重放。預期結果不同：暫停失效授權對應的動作，發現舊證據，保留原始約束，對重複事件完成核對。每項單獨歸類。能夠處理斷網，不意味着也能處理過時意圖。

最後，讓模擬工具報告成功，但實際輸出無法通過確定性檢查。Agent應拒絕這個表面成功。這樣纔是在測試它是否保護用戶要的結果，而非只會沿一條順利腳本走下去。

把回執變成有邊界的經驗

恢復記錄應包含初始檢查點、注入故障、修復嘗試、最終diff、操作回執、測試結果、時間和成本。敏感證據留在所屬環境中。公開解釋可以說清機制，無須暴露客戶資料、私有對話或憑證。

路由經驗應具體到可以被證僞。例如：在某一任務類別、某種依賴故障、某次修復失敗之後，升級在允許預算內提高了已驗證完成率。這是一條候選規則。改變日常路由前，用留出案例驗證，並保存舊規則以便回退。

如果Astra花得更多卻交出相同結果，證據支持該類別繼續走較便宜路徑。如果Sol自己恢復，就不能把Astra算成救援者。如果雙方都失敗，保留失敗，改進測試或系統邊界。路由賬本應同樣認真地記錄失望和漂亮演示。

今天的出版完成了證據框架與實驗規格，沒有執行Sol–Astra競賽。受控測試產生回執前，恢復率、重複率、創始人分鐘和節省成本均爲UNKNOWN。即便一個出版流程成功續跑，那也只是該流程的證據，不能證明Agents API或任一模型的比較表現。

第一張驗收卡

第一輪實驗只用一張驗收卡。寫清任務與起始版本，列明現有權限和完工檢查，每次只注入一種故障，要求外部動作日誌、checkpoint diff和完整成本記錄。觀察結果之前，就規定日常恢復何時結束、何時符合救援條件。

用緊湊賬本展示結果：恢復或未決；外部動作已對賬或UNKNOWN；約束保留或違反；創始人分鐘有記錄或不可用；總成本；下一條路由假設。每個結論背後保留原始產物。圖示只是建議流程，不隱含任何性能測量。

只有重複、可比試驗在同樣的權限和防重複要求下，降低每個已驗證成果成本，才擴大救援路由。此前保持實驗邊界。真正的經營收益是：屏幕安靜下來以後，工作仍能在失敗後負責任地完成，並留下足夠證據，讓下一次恢復更便宜、更少依賴創始人。

分類與關鍵詞

分類： 人工智能；操作系統；Agent評估。

關鍵詞： 持久會話；Agent恢復；檢查點；冪等性；權限；Sol；Astra；已驗證成果；路由評估。

Hashtags: #AgenticAI #AgentRecovery #Ouroboros #VerifiedOutcomes