205 次 Agent 运行实测：外部副作用才是断点恢复的真正难题
morrown1 · reddit · 2026-09-14
Infra（面向长运行 Agent 的端到端连续性与控制层，集成层 MIT 开源，自托管运行时 PolyForm Shield 源码可得）的作者发布 205 次脱敏评测结果，核心论点是：难点不是检查点本身，而是 worker 在外部 API 成功执行动作后、本地记录结果之前死掉时，无法证明动作是否已发生——盲目重试可能重复付款、迁移或部署。
Infra 将工作状态、决策理由、工件血缘、约束与审批、外部效应生命周期作为一条端到端路径保存，重试前先与外部系统证据做对账。
评测结果：
- 25 次高风险续跑：Infra 5/5 完成 vs Strong Handoff 4/5，token 少 49.4%，恢复快 60.8%（样本小，仅方向性）
- 60 次匹配续跑：三者均 20/20 完成，Native 对简单轨迹仍最省
- 30 次效应安全测试：Infra 拦截全部 10 个注入的重复外部效应
- 90 次验证经验测试：压缩经验表示省 64.5% token 但比冷启动贵 2.0%，6 组对比仅赢 1 组——经验应选择性注入而非每次都带
作者正在招募最多 3 个设计伙伴做 shadow-only 试点，并抛出核心问题：Agent 在外部动作已发出但未记录回执时死亡，另一个 Agent 需要什么最小证据才能继续，何时该停下交给人？
「编程与Agent」频道最新
- Gym-Anything 引入审计 Agent,专门用合法动作破坏环境找错 — wellecks · 2026-10-30
- CMU 用 Agent 自动造 200+ 软件环境,Gym-Anything 拿 GDP 数据选题 — wellecks · 2026-10-30
- Cloudflare 不肯做,开发者自研工具实现 Durable Objects 零停机迁出 — samgoodwin89 · 2026-10-30
- 两分钟面试法：用一条 prompt 让 Grok 帮你搭两个定制 bot — nateliason · 2026-10-30
- Cursor、Harvey 为何自训专用模型：多数细分市场养不起专属大脑 — MartinGTobias · 2026-10-30
- 实测编码 Agent 如何搜索 MCP 工具：可发现性现状不容乐观 — _babush_ · 2026-10-30