基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-18 21:00

用检查点和自评让 Agent 跑完多步任务

dev.to · AI#Agent#断点恢复#任务编排
Editor brief · 编辑速览

作者以自动写作为例,用 AGENTS.md 加载工作规则,按需载入技能,再用待办清单和子 Agent 拆解执行。系统按会话隔离 Docker 环境,逐步保存检查点,并让 Agent 自评返修,通过 SSE 展示执行进度。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

作者让 AI 写一篇带封面、YouTube 推荐和话题标签的博客,还要求它交稿前自查。模型写了 3 段就宣布完成,封面、视频和标签全漏了。于是作者做了 Content Studio,把长任务拆成可以追踪、恢复和验收的步骤。

这套做法值得前端和全栈开发者花几分钟看完。你能看到一次写作任务怎样从列计划跑到验收通过,也能分清哪些能力已经在演示里跑通,哪些还得靠故障测试和对照数据来验证。

长任务为什么会漏步骤

普通 ReAct 循环让模型调用工具、读取结果,再决定下一步,最后给出答案。查天气这类任务走几轮就能结束。任务一长,搜索结果和中间产物会占据上下文。作者举了个例子,12 步走到第 7 步,模型可能已经忘了还有第 9 步,直接宣布完成。

作者用 Agent Harness 指围绕模型运行的那层应用代码。Content Studio 基于 LangChain Deep Agents,复用它的规划、虚拟文件系统和子代理能力,再接入 Docker 沙箱、检查点和评估流程。作者用「提示词占 5%,Harness 占 95%」强调运行机制的重要性,原文没有提供这两个比例的测量依据。

Content Studio 的任务入口

固定规则、操作手册和当前进度各管什么

AGENTS.md 每次运行都会加载,适合放品牌语气和每次都要执行的规则,例如交给 researcher 做深入调研,评估没到 PASS 就继续修改。Skills 是按需读取的操作手册。提示词里只放简短描述,匹配任务后才读完整内容。写 LinkedIn 帖子时,长文用的 blog-post 手册可以留在上下文之外。

write_todos 负责记录这一次做到哪了。作者让它列出 6–10 个尽量能一步完成的任务,并根据用户或 evaluator 的反馈更新清单。封面一旦成了独立待办,就有了明确的进度记录。作者报告说,这样改完后,代理就没再漏掉封面。原文没交代跑过多少次。

下面这段 backend/agent_runner.py 展示了模型、工具、子代理和检查点怎样接进同一个入口。

TOOLS = [web_search, download_image, generate_hashtags, move_file]

subagents = (
    load_subagents(config.SUBAGENTS_YAML, {t.name: t for t in TOOLS})   # local
    + SubAgentRegistry(agent_list_path=config.AGENT_LIST_PATH).get_subagents()  # A2A
)

self.agent = create_deep_agent(
    model=model,
    backend=backend,              # Docker sandbox for this thread
    tools=TOOLS,                  # custom tools
    subagents=subagents,          # local + remote agents
    checkpointer=checkpointer,    # save every step
    middleware=[
        TodoListMiddleware(system_prompt=WRITE_TODOS_SYSTEM_PROMPT,
                           tool_description=WRITE_TODOS_TOOL),  # planning
        self.crash,               # crash testing (Part 2)
    ],
    memory=["./AGENTS.md"],       # always-on rules
    skills=["./skills/"],         # on-demand playbooks
)

看 subagents=subagents 这一行,本地子代理和通过 A2A 接入的远程代理共用一个调用入口,模型统一通过 task(...) 委派。作者把这套装配概括为一次 create_deep_agent(...) 调用接入 8 项能力。

一次运行怎样从起草走到验收

演示任务是写一篇关于 AI Agent 如何改变软件开发的博客。主代理先列计划,交给 researcher 调研,把结果保存到 research/<slug>.md,再在沙箱里写稿。封面由 download_image 下载,YouTube 视频交给远程的 A2A infotainment 代理推荐。

第一轮评估给出 FAIL。主代理根据反馈新增待办,修完再评,直到拿到 PASS。FastAPI 通过 SSE 把进度推给 React 界面,用户可以看到计划、文件、评分,以及工具调用的输入、输出和耗时。最后的清单显示 8 项全部勾选。

任务运行中展示计划、工具调用和子代理

我的判断

我最认同的是把交付项记进任务状态。漏封面可以在待办里发现,评估失败也能留下具体的返工项。演示说明这条流程跑通了一次。原文没有拿普通 ReAct 循环、长提示词或固定工作流做对照,也没统计漏项率、耗时和调用成本。清单能降低漏项是作者的经验判断,改善幅度还没测清楚。

如果每篇博客都要检查封面、视频和标签,用固定工作流逐项校验,通常更容易定位哪一步失败。让模型动态更新待办,适合调研和返工这类步骤会随结果变化的工作。关于 evaluator 给出的 PASS,原文没说明评分标准和返工上限,也没交代评估结果与人工审稿结果有多一致。界面上的 8/8 可以用来看进度,文章质量还得看验收规则。

这篇是 5 篇系列的第 1 篇,项目也还处于学习阶段。代码接入了每步保存的检查点,并为每个会话分配一个 Docker 容器。作者计划在第 2 篇用约 20 行中间件主动制造崩溃,展示崩溃或点 Stop 后怎么恢复。对工程团队来说,还要实测一个具体边界:如果封面已经下载成功,检查点却没来得及写入,恢复后会不会重复下载。

能拿来做什么

  • 做日常 AI 编程任务时,把可核验的交付项拆成独立待办,例如改完组件、补齐调用方、跑过现有测试,并让助手在拿到执行结果后更新状态。
  • 给重复使用的代码分析流程建一份按需加载的 code-analysis 手册,把每次运行都适用的仓库规则留在 AGENTS.md。任务里需要哪份手册,就加载哪份。
  • 给 React 长任务界面接 SSE 时,把计划更新、工具调用、评估结果和最终状态送到界面。用户点了 Stop 或看见 FAIL,可以直接定位停在哪一步。
  • 给 Node 任务执行器加恢复能力时,挑一个会写文件的步骤做中断测试。分别在写入前和写入后中断,检查恢复时能否继续交付,以及会不会重复写入。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
八千多项测试全过,AI 写的代码仍在启动时崩溃
下一篇
AskDB 将 SQL 生成与数据查询分开

资讯速览

dev.to · AI · 2026-11-18 21:00

AI 评分 8.0 / 10

相关标签

#Agent#断点恢复#任务编排

继续阅读

  • 用 ijson 流式校验大 JSON 的踩坑记录
  • 八千多项测试全过,AI 写的代码仍在启动时崩溃
  • AskDB 将 SQL 生成与数据查询分开
  • Claude Code 按步骤路由,近半任务步骤可本地跑
  • 给 Agent 加一条验收规则:新属性同步进 Storybook