从版本冲突到决策冲突：长期运行的人工智能体的选择性重新验证

长时间运行的人工智能体可能会读取状态、推理、等待工具或人类批准，并在很晚之后执行外部操作。与此同时，证明该行动合理的状态可能会发生变化。例如，在智能体提出 100 英镑限额下的 80 英镑退款后，客户姓名更改仅影响演示元数据，新的 90 英镑限额仍然允许退款，50 英镑的限额使其无效，并且由其他工作人员发放的退款必须防止重复。标准乐观并发控制和版本检查可以检测到先前读取的状态已更改，但它们本身无法确定该更改是否使待处理操作的合理性无效。我们将任何检测到的版本更改称为版本冲突；当这种变化使行动的理由无效时，这也是决策冲突。 ATR 记录证明待处理操作合理的显式可执行条件，并在释放外部操作之前仅重新检查受更改影响的条件。它可以保留操作、刷新非决定性元数据、要求重新规划或阻止执行；目标端事务或比较并设置将检查状态绑定到提交。在超过 15 个突变案例的 210,000 次受控执行中，ATR 匹配了开发人员指定的每个结果，没有错误的允许或阻止。在 10 个持久 SQLite 检查点/恢复单元中，它每次更改评估 0.6 个条件，而 FullScan 评估 6.0 个条件。在记录 4,093 条读取时，ATR 花费了 9.3 微秒，而 FullScan 则花费了 2595.9 微秒。这些确定性结果建立了受控的可行性，而不是生产通用性或所需条件的自动提取。