可恢复性作为长时域AI智能体的系统原语

AI智能体在编辑文件、调用工具或执行多步任务时可能被中断。重启会重复已完成的工作，但继续从未经验证或已过时的进展可能将早期错误带入后续流程。保存的状态并不一定适合作为恢复点。我们引入可恢复性作为系统原语，将重用行为明确为一个决策：选择一个支持的起始点和允许的恢复操作，或拒绝自动延续。其行为契约将该决策绑定到支持证据、执行过程和独立验证。一个参考架构连接了持久化、验证与控制，包含互补的运行时实例，分别承担不同职责。四项确定性任务和二十对文件挑战表明，准确恢复和成功完成可以掩盖被禁止的起始点。进度控制将保留的工作归因于共享的恢复机制。事件时间测试显示，权限必须约束具体操作，且即使在操作发生后，独立持有的策略证据仍能暴露违规行为。这些发现证明，恢复决策需要独立评估，而不仅限于恢复的字节或最终任务成功。在给定的策略和声明的信任模型下，本工作提供了一个通用、可测试的接口，用于保留合理进展并明确其重用的条件与可执行性。