让 AI 智能体持续工作：进度保存与失败恢复
让智能体连续做几小时的工作，难点不只是把任务交给它。会话切换、工具超时，甚至一次进程重启，都可能打断执行。下一轮需要知道：哪些工作已经完成，结果放在哪里，还有什么没有验证。
把大任务拆成能验收的小步
以“给网站增加文章搜索”为例，可以分成索引生成、搜索交互和结果验证。每一步都写清完成条件，例如“输入一个词，能找到标题中包含它的文章”，而不是笼统地记录“搜索已完成”。
Anthropic 的长任务智能体工程文章采用了功能清单、逐项推进和进度记录，帮助新会话接手工作；它也强调，功能需要经过实际测试，不能仅凭模型自述就标记完成。[1]
保存状态，不只保存聊天
一份便于接手的记录，可以包含四项：本轮修改了什么、如何验证、还有什么没通过、下一步从哪里开始。例如：
任务：文章搜索
已完成：生成标题索引，关键词查询测试通过
待验证：手机端长标题的显示
下一步：打开搜索结果页，检查窄屏排版
工作记录方便接手，但程序恢复还需要持久保存当前步骤、必要输入和已有结果。以 LangGraph 为例，检查点可以保存执行状态；如果只使用内存存储，进程重启后记录仍会丢失。保存下来的状态是恢复依据，具体从哪一步继续，还需要在执行流程中设计。[2]
恢复之前，先核对结果
恢复时，先读取进度，再检查文件、运行环境和关键功能是否与记录一致。如果状态不符，先找出中断位置，不急着重复上一条命令。
涉及外部操作时，还要区分“没有执行”和“执行了但没有收到结果”。例如创建内容的请求超时后，有任务编号时，可以先查询是否已经创建；若接口支持幂等键，同一次操作的重试应按接口约定复用原键，避免重复创建，而不是每次换一个新键。[3]
对可重试的故障，应设置次数上限；遇到权限不足或需要人工选择的节点，则保存现场、说明原因，等待处理。这样，下一轮工作才有明确的接续点。