Martin Fowler 发文解析 durable execution：长时程智能体如何从故障中恢复
跑过长时间智能体任务的人都知道中途挂掉有多崩溃，Kiran Prakash 在 Martin Fowler 站上讲的 durable execution 就是解这个的：状态存检查点，崩了从断点继续，不用从头烧 token。做 Agent 工程的值得花十分钟看看。
Martin Fowler 网站发布 Kiran Prakash 撰写的文章，主题是长时程（long-horizon）智能体的可靠性问题。这类智能体可以自动执行需要数天甚至数周才能完成的任务，但运行周期越长，中途出错和需要恢复的场景就越多。
文章提出的核心方案是 durable execution（持久化执行）：把智能体的执行状态持久化保存，当进程崩溃、API 调用失败或外部系统中断时，智能体可以从最近的检查点恢复，而不是从头重跑整个任务。这样能避免重复消耗 token 和计算资源，也让数天级别的自动化任务变得可运维。
对正在构建跨小时、跨天运行智能体的开发者来说，这篇文章给出了一套工程化的容错思路，与单纯依靠重试或人工监督的做法相比，更接近传统工作流引擎的可靠性设计。
Long-horizon agents can automate tasks that take days or weeks, but much can go wrong. Kiran Prakash explains how durable execution allows agents to recover. martinfowler.com/articles/durab…📊 4 ⚡
This report is categorized under AITOP's "general" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include durable execution, 智能体, Martin Fowler, 长时程任务.
Source attribution: curated from Martin Fowler (@martinfowler).
