知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 04 - 持久化、恢复与人工审批 > 导读:本文从"面试官问『你的 Agent 跑到一半进程挂了、或者卡在等用户审批,怎么办』"这个典型长任务场景出发,把 Checkpoint(检查点)解决的问题、`thread_id` 作为业务执行主键的含义、Checkpointer(检查点保存器)选型、`interrupt()` 与 `Command(resume=...)` 的人工审批(Human-in-the-Loop,人在回路)机制,以及恢复与重放的五条安全规则逐项讲透,最后给出工程实践与踩坑。适合准备 AI 应用 / Agent 方向面试、以及正在做"跨请求、跨进程长任务"的同学。 ## 一、先建立全局认知 ### Q:没有 checkpoint 会发生什么?Checkpoint 到底解决了什么问题? A:结论先行——**没有 checkpoint,进程重启、用户离开、长工具调用失败或审批等待都会让图从头开始;配置 checkpointer 后,LangGraph 会以 `thread_id` 为隔离键,在每个 super-step 保存 State 快照,从而支持"从断点继续"**。 把这四种触发场景列出来,能看清这件事的普遍性:  *图:同一 thread 上在副作用前 interrupt,等人工审核后继续* ```text thread_id = "order-2026-001" 输入 → 规划 → 副作用前 interrupt → 人工审核 → 继续 → 完成 ↑ ↓ checkpoint 同一 thread 恢复 ``` | 触发场景 | 无 checkpoint 的后果 | 有 checkpoint 的表现 | |---|---|---| | 进程重启 / 发布 | 全部从头再来 | 从最近一个快照继续 | | 用户离开后又回来 | 上下文全丢,只能重新开始 | 同一 `thread_id` 接着聊/接着办 | | 长工具调用失败 | 前面所有步骤白跑 | 从失败节点附近恢复 | | 等待人工审批 | 只能一直阻塞或重来 | 先返回、之后再恢复执行 | 这四种场景的共同点是"**执行时间超过了单次请求的生命周期**"。而 checkpoint 的本质,就是把"内存中的执行状态"变成"可持久化、可寻址、可恢复的数据"。它带来的不只是容错,还有三个连带能力:**可审计**(每一次运行留下了状态快照)、**可干预**(可以在快照处暂停等人决策)、**可重放**(可以用同一个状态重跑,复现问题)。 从工程视角看,还有一个容易被忽略的价值:**它把"长任务"从"必须一次跑完的同步请求"变成了"可以被切成多段、由多次请求接力完成的状态机"**。这正是后面讲异步架构与流式输出时能"HTTP 只负责创建任务、Worker 负责执行"的根本前提。 ### Q:`thread_id` 是什么?为什么说它是"业务执行实例的主键"? A:结论先行——**`thread_id` 是 checkpoint 的隔离键,也是"一次可恢复业务执行"的稳定主键:同一个订单审核、一次客服会话或一个报告生成任务应复用同一个值,不同用户或任务绝不可共享**。 这句话里有两层必须讲清楚的含义: **第一层,"稳定"**。同一个业务实例在整个生命周期里必须始终用同一个 `thread_id`。订单审核从"待审批"到"已通过"可能跨越多天、多次请求、多次进程重启,但键始终是那个订单号派生的值。如果中途换了键,恢复时就找不到对应的快照,等于从头开始。 **第二层,"隔离"**。不同用户、不同租户、不同任务之间绝不能复用同一个 `thread_id`。因为共享键意味着共享状态:A 用户的会话摘要、审批结论、工具结果都可能被 B 用户读到,这既是功能 bug,也是严重的数据泄漏。 推荐的构造方式是"**由业务标识确定性派生**",例如 `order-{order_id}`、`report-{report_id}`、`session-{user_id}-{session_id}`。这样既能保证稳定,又能通过前缀看出归属。一个很有用的面试表述是:**"`thread_id` 不是日志字段,而是业务执行的主键;日志字段可以重复,主键不可以。"** ### Q:快照保存在什么粒度上?为什么这个粒度合理? A:结论先行——**快照按 super-step 保存:一个 super-step 内所有激活节点执行完毕、State 合并完成之后,写下这个状态;这个粒度的合理性在于"合并后的状态"才是一致、可恢复的最小单位**。  *图:每个 super-step 结束都合并 State 并存一次快照* ```text super-step 1:normalize 执行 → 合并 State → 【存快照】 super-step 2:outline 执行 → 合并 State → 【存快照】 super-step 3:render 执行 → 合并 State → 【存快照】→ 到达 END ``` 为什么不在"每个节点执行完"就存?因为同一个 super-step 内的多个节点是并行的,如果各自存一份,就会出现"只反映了一半节点更新"的中间态,恢复时状态不一致。**只有等到这一批全部结束、reducer 把更新合并进 State 之后,状态才是自洽的**,此时落盘才有意义。 这个粒度也决定了恢复的"最小回退单位":**恢复时是从最近一个完整的 super-step 之后继续,而不是从"半个 super-step 的中间"继续**。工作量的损失上界,大致就是"最后一个未完成 super-step 内已做的工作"——这也解释了为什么"把耗时很长、副作用很大的操作放进一个 super-step"要格外谨慎。 需要标注的版本提示:**快照的具体存储结构、序列化格式、以及恢复时的重放边界会随 LangGraph 版本演进,细节需结合版本确认**;但"按 super-step 落盘、恢复时从完整批次之后继续"这个心智模型是稳定的。 ## 二、Checkpointer 选型 ### Q:`InMemorySaver`、SQLite、PostgreSQL、Redis 这几种方案怎么选? A:结论先行——**按"是否需要跨进程存活、是否需要多实例共享、是否需要可靠恢复"来选:内存用于测试、SQLite 用于轻量单机、PostgreSQL 用于生产长任务、Redis 或托管实现用于高吞吐短状态**。 | 方案 | 使用场景 | 局限 | |---|---|---| | `InMemorySaver` | 单元测试、本地开发、教学 | 进程退出即丢失,不能多实例共享 | | SQLite saver | 本地原型、轻量单机任务 | 并发和运维能力有限 | | PostgreSQL saver | 生产长任务、需可靠恢复 | 需要迁移、连接池、备份和数据治理 | | Redis / 托管实现 | 高吞吐短状态 | 需要验证持久化、TTL、故障恢复和一致性 | 选型的判断顺序建议是: ```text ① 这个任务要不要跨进程存活? 否 → InMemorySaver(仅开发测试) ② 会不会有多个实例并发访问? 是 → 内存/SQLite 都不行 ③ 丢失状态能否接受? 不能 → 需要可靠持久化(PostgreSQL 类) ④ 状态是短生命、高吞吐吗? 是 → Redis 类,但要验证持久化与 TTL ``` **面试里最容易被追问的是 Redis 那一行**:很多人默认"Redis 快、所以适合做 checkpoint"。但要用它必须先回答三件事——**它的持久化策略能不能保证故障时不丢关键状态?TTL(存活时间)设置会不会让长任务的状态中途过期?主从切换时的一致性会不会导致状态回退?** 这三个问题答不上来,就不该把它放在"不可丢失"的位置上。 ### Q:生产环境选 checkpointer,除了吞吐还要看什么? A:结论先行——**生产选择不只看吞吐:还要评估恢复时长、数据保留、敏感字段加密、租户隔离和图版本兼容性**。 逐条解释这五个维度为什么重要: - **恢复时长**:状态快照越大、查询越慢,恢复就越久。对于"用户正在等待"的交互式任务,恢复慢就等于体验退化;因此要关注单条快照的体积增长趋势。 - **数据保留**:checkpoint 里可能包含用户输入、工具输出、审批结论。保留多久、如何归档、能否按租户/用户删除(合规删除请求)都要提前设计。 - **敏感字段加密**:状态里的手机号、订单号、内部文档片段应加密存储,并限制访问权限。 - **租户隔离**:多租户系统必须保证一个租户无法读取另一个租户的 `thread_id` 快照——这既是数据边界,也是安全边界。 - **图版本兼容性**:这是最容易被忽略、又最容易在发布时爆炸的一项。**当你修改了 State 的字段或图的结构后,数据库里那些"旧版本写下的快照"还能不能恢复到这个新版本上?** 如果不能,就需要迁移策略或版本并存策略。 一句话总结:**"吞吐量决定它能不能扛住,恢复时长、保留策略、加密、隔离和版本兼容决定它能不能长期活在线上。"** 这句话很适合作为面试回答的收尾。 ## 三、本地开发:最小可运行的持久化 ### Q:能给一段最小的持久化代码吗? A:结论先行——**可以:把 `InMemorySaver()` 传给 `compile(checkpointer=...)`,再在调用时通过 `config` 传入 `thread_id`,就完成了最小可运行的持久化配置**。 ```python from typing import TypedDict from langgraph.checkpoint.memory import InMemorySaver from langgraph.graph import END, START, StateGraph class ReportState(TypedDict): request: str draft: str def draft_report(state: ReportState) -> dict: return {"draft": f"报告草稿:{state['request']}"} builder = StateGraph(ReportState) builder.add_node("draft", draft_report) builder.add_edge(START, "draft") builder.add_edge("draft", END) app = builder.compile(checkpointer=InMemorySaver()) config = {"configurable": {"thread_id": "report-demo-001"}} result = app.invoke({"request": "评估本周风险"}, config) print(result["draft"]) ``` 逐点解读四个关键位置: 1. **`compile(checkpointer=InMemorySaver())`**:检查点保存在"编译期"注入,属于应用装配阶段;生产环境应在这里换成生产实现。 2. **`config={"configurable": {"thread_id": ...}}`**:线程键在"调用期"传入,同一个 `app` 可以服务无数个不同的业务实例。 3. **`InMemorySaver` 明确的生命周期**:它活在当前进程内存里,进程一退,快照全部消失。 4. **图的形状没有任何变化**:加持久化不需要改节点、不需要改边——这也是"State 只放可序列化业务数据"这条约束的价值兑现时刻。 **版本提示**:部分旧版本使用 `MemorySaver` 名称;请与安装版本的 API 对齐。无论名称如何,内存实现只能用于开发和测试。 ### Q:为什么反复强调"内存实现只能用于开发和测试"? A:结论先行——**因为内存实现有两个硬限制:进程退出即丢失、不能跨实例共享;这两条恰好覆盖了生产环境最常见的两类场景(发布重启与多副本部署)**。 第一,**进程退出即丢失**。生产环境的进程会因为发布、扩缩容、OOM、宿主机故障等原因随时重启。如果状态只在内存里,那么每次重启都意味着"所有进行中的长任务全部作废"。这在一台开发机上几乎不会遇到,在线上却是常态。 第二,**不能多实例共享**。线上服务通常跑多个副本,用户的两次请求很可能落到不同实例上。内存实现里,A 实例写的状态 B 实例读不到,于是"恢复"会直接退化成"找不到该线程",行为诡异且难以复现。 因此判断标准很干脆:**只要这个任务需要"活过进程重启",就必须用可持久化的实现;只要服务是多副本的,就必须用可共享的实现。** 这两条同时成立时,选择范围基本就收敛到数据库类或托管实现了。 ### Q:切换到生产 checkpointer 时,代码改动大吗? A:结论先行——**不大。业务代码基本不动,改动集中在三处:`compile()` 注入的实现、启动/关闭时的生命周期管理、以及建表或迁移这类一次性运维动作**。 ```text 开发环境: app = builder.compile(checkpointer=InMemorySaver()) 生产环境: app = builder.compile(checkpointer=<生产 checkpointer 实例>) 启动:创建并复用连接(连接池) 关闭:释放连接 运维:执行建表 / 迁移(在受控流程中进行) ``` 这种"只换装配、不改业务"的结构,正是"把依赖排除在 State 之外"的回报。反过来说,如果 State 里放了数据库连接或模型实例,这个切换就会变成一次伤筋动骨的重构。 ## 四、人工审批(HITL):在副作用前 interrupt ### Q:哪些动作必须做人工审批?`interrupt()` 应该放在什么位置? A:结论先行——**删除、付款、外发邮件、写生产库等会产生真实且难以撤销副作用的动作,必须在实际执行前暂停并等待人工确认;因此 `interrupt()` 的位置是"副作用之前、决策之后"**。  *图:审批节点入口:先组装信息并暂停,最后才执行副作用* ```text [节点入口] ├─ 组装审批信息(纯计算,可重放) ├─ interrupt({...}) ← 这里暂停,把决定权交给外部 ├─ 读取审批结论 └─ 执行副作用(带稳定幂等键) ← 只有这里才真正"动手" ``` 为什么位置这么讲究?因为**恢复时,包含 `interrupt()` 的节点会从节点开头重新执行**。这意味着: - `interrupt()` **之前**的代码会被执行两次(第一次跑到暂停,恢复时再跑一遍),所以它们**只能做可重放、无副作用的计算**——组装提示、算金额、准备文案都可以,但绝不能真的去扣款。 - `interrupt()` **之后**的代码,只有在拿到审批结论后才会执行,这才是副作用的正确位置。 **一句话记住这条纪律:"interrupt 之前只能想,不能做;要做的事放在拿到审批之后。"** 这是本篇文章最核心的一句结论,也是面试里区分"用过"和"用对"的分水岭。 ### Q:能给一段审批节点的完整代码吗? A:结论先行——**可以。核心是三步:调用 `interrupt()` 抛出审批请求、读取返回的决策、按决策决定是否执行副作用**。 ```python from typing import TypedDict from langgraph.types import Command, interrupt class PaymentState(TypedDict): amount: int status: str def approve_payment(state: PaymentState) -> dict: decision = interrupt({ "action": "payment", "amount": state["amount"], "reason": "扣款前需要人工确认", }) if not decision.get("approved"): return {"status": "rejected"} # 真实扣款应放在这里,并传入稳定 idempotency_key。 # payment_provider.charge(..., idempotency_key=state["payment_id"]) return {"status": "approved"} ``` ```python config = {"configurable": {"thread_id": "pay-1001"}} app.invoke({"amount": 100}, config) # 图暂停;调用方把审批信息展示给用户 app.invoke(Command(resume={"approved": True}), config) # 审批后恢复 ``` 逐点解读: 1. **`interrupt({...})` 的参数就是"给审批人看的信息"**:动作类型、金额、原因。这份信息要能支撑审批人做判断,但不能包含敏感凭据或完整 prompt。 2. **返回值就是审批结论**:代码用 `decision.get("approved")` 读取,因此对"结论缺失"是容错的(视为未批准),这是安全的默认值取向。 3. **拒绝路径也是正常终态**:`return {"status": "rejected"}` 而不是抛异常。审批被拒绝是业务上的正常结果,应当被记录并走到明确状态。 4. **真实扣款被刻意注释掉**:注释明确指出它应放在审批之后,并传入稳定 `idempotency_key`。 5. **恢复只靠两样东西**:同一个 `app`、同一个 `thread_id`,加上 `Command(resume=...)` 携带的结论。 **版本提示**:`interrupt` 与 `Command` 的导入路径、恢复参数形态在不同版本间可能调整,**具体写法需结合版本确认**;但"暂停 → 外部决策 → 用同一线程恢复"的语义是稳定的。 ### Q:为什么审批必须放在副作用之前,而不是"先做了再让人确认"? A:结论先行——**因为副作用一旦执行,就不可撤销;"先做后审"意味着审批实际退化成了通知,失去了风险控制的意义**。 这个道理在业务上很直白:扣款已经发生、邮件已经发出、生产库已经写入,此时再让审批人点"不同意",系统能做的只有"补偿"——而补偿往往需要另一次跨系统操作、存在失败可能、还会留下一段不干净的历史数据。**审批的价值在于"在不可逆动作发生前拦截",而不是"事后追认"。** 从系统设计角度,还有两个连带好处:**其一,审批点天然是一个安全边界**,所有高风险动作都收敛到少数几个带 `interrupt()` 的节点,权限与审计范围大大缩小;**其二,审批点天然是一个状态断点**,用户离开、跨天处理都不会丢失进度,这正是 checkpoint 与 interrupt 配合的意义。 面试里可以这样收口:**"我把高风险副作用拆成两段——审批前只准备、审批后才执行,中间用 checkpoint 托住状态。这样系统永远不会出现'已经付了钱但不该付'的状态。"** ### Q:审批可能等很久,怎么处理超时、取消和"审批人不在"? A:结论先行——**不要把审批做成"阻塞请求等结果";正确做法是"先返回、把待审批状态记下来、由外部流程在决策后恢复执行",同时为超时和取消定义明确的终态**。 具体分工可以这样设计: ```text 创建阶段(HTTP 请求内): 图跑到 interrupt → 返回待审批信息 → 请求结束(不阻塞) 调用方拿到 thread_id,把审批任务投到审批系统 / 人工队列 等待阶段(请求之外): 审批人在自己的界面里处理,可能几小时甚至几天 恢复阶段(新的请求): 用同一 thread_id + Command(resume=结论) 恢复 ``` 这样设计有三个好处:**其一,用户体验**——不会有一个 HTTP 连接挂在那儿等几小时;**其二,可运维**——待审批的任务可以被统计、催办、设定 SLA(服务等级目标),积压情况可以直接告警;**其三,可扩展**——审批人不在、需要转交、需要多级审批,这些都是审批系统自己的问题,不需要图去理解。 同时要把两种"异常等待"定义清楚:**超时**(超过约定时限未审批)应作为一个明确终态处理,通常走"自动拒绝"或"升级到更高权限",绝不能默认自动通过;**取消**(发起人撤回)同样应走明确终态并记录原因。**最关键的一条纪律是:审批的默认结果必须是"拒绝",而不是"通过"。** 默认安全,是这类系统设计的基本立场。 ## 五、恢复与重放的安全规则 ### Q:恢复和重放有哪些必须遵守的安全规则? A:结论先行——**五条:interrupt 前只做可重放无副作用的计算;副作用必须放在审批确认之后;每个副作用带稳定幂等键;不改变节点的非确定性输入或把它存进 State;旧 checkpoint 恢复到新图版本前做 schema 兼容性演练**。 逐条展开: 1. **`interrupt()` 前只能做可重放、无副作用的计算。** 因为这一段会被重新执行。 2. **副作用必须放在审批结果确认之后。** 这样"未批准"的路径天然不会产生任何外部影响。 3. **每个副作用携带稳定的幂等键,例如 `payment:{order_id}`。** 这样即使重放让副作用代码被执行两次,下游也能据此去重。 4. **恢复前后不要改变节点的非确定性输入,或将其作为 State 的一部分保存。** 例如"当前时间""随机种子""本次请求的 trace 上下文",如果它们影响节点行为却不在 State 里,那么重放时取到的值会不同,行为随之漂移。 5. **旧 checkpoint 恢复到新图版本前,要做 schema 兼容性演练。** 发布新版本时,要先在隔离环境里用真实的历史快照试一次恢复。 把这五条串起来,其实是在回答同一个问题:**"当同一段代码被执行两次时,会不会产生第二遍的后果?"** 第 1 条管"计算要无害",第 2 条管"副作用要延后",第 3 条管"后果要可去重",第 4 条管"输入要一致",第 5 条管"新代码要能读旧数据"。 ### Q:第 4 条里说的"非确定性输入"具体指什么?怎么处理? A:结论先行——**指那些"每次执行都不同、又会影响节点行为"的值,例如当前时间、随机数、请求上下文、外部服务的实时状态;处理办法是"要么消除它,要么把它固化进 State"**。 两种处理方式各有适用场景: ```text 方式一:消除不确定性 ✗ 节点里调用 time.time() 决定分支 ✓ 在进入图之前取一次时间,放进 State 的 deadline 字段,之后只读 State 方式二:固化进 State ✗ 节点里读取全局的 request_id / 用户配置 / 随机种子 ✓ 在入口把它写进 State(如 trace_id、seed),后续节点统一从 State 读 ``` 这个原则的深层理由是:**checkpoint 恢复的是 State,而不是进程的运行环境。** 凡是"不在 State 里、但影响行为"的东西,都是恢复时的隐变量。消除隐变量,是让重放可信的唯一办法。这也从另一个角度解释了为什么 `StateGraph` 强调"State 只放可序列化的业务数据"——一旦你把"所有影响行为的输入"都收敛进 State,恢复的确定性就有了保障。 ### Q:把旧 checkpoint 恢复到新图版本,会遇到什么具体风险? A:结论先行——**主要风险是"字段不兼容":新版本删除了某个字段、改了字段语义、或者新增了必填字段,而旧快照里没有;这会导致恢复时报错,或更糟——静默地产生错误行为**。 可以按三种变更类型分析: | 变更类型 | 风险 | 缓解方式 | |---|---|---| | 删除字段 | 节点读不到、报错或取到默认值 | 保留字段一段时间,或写迁移逻辑 | | 修改字段语义 | 不报错但行为错误(最难查) | 换新字段名而非改语义,语义变更要版本化 | | 新增字段 | 旧快照缺失,若节点不做容错会崩 | 用 `total=False` + `get` 读默认值 | "修改字段语义"是最凶险的一种,因为它**不报错**:旧快照里 `retry_count` 表示"已经重试了几次",新版本把它改成"总尝试次数",那么所有历史快照恢复后,循环预算判断都会偏移一次。这种问题往往表现为"老任务恢复后立刻失败"或"老任务永不退出",排查成本极高。 所以工程建议是:**宁可新增字段、也不要悄悄改老字段的语义**;确实要改语义时,用新字段名并在 State 里显式标注版本。**发布新图版本前,务必用历史快照做一次恢复演练**——这正是"上线检查清单"反复强调的一点。 ## 六、生产接入 PostgreSQL 的轮廓 ### Q:生产代码接入 PostgreSQL checkpointer 的正确姿势是什么? A:结论先行——**生产代码通常在应用启动时创建并复用 checkpointer,在应用关闭时释放连接;建表或迁移只在受控的运维流程中执行**。 不同 LangGraph 版本的包名和初始化接口可能不同,下面只展示边界,而非可直接复制的凭据配置: ```python # 伪代码:使用项目版本对应的 PostgreSQL checkpointer。 # with PostgresSaver.from_conn_string(os.environ["CHECKPOINT_DB_URL"]) as saver: # saver.setup() # 仅在受控迁移流程中执行 # app = builder.compile(checkpointer=saver) ``` 三个边界要点: 1. **连接从环境变量来,不写进代码**。`CHECKPOINT_DB_URL` 这类配置应通过安全的方式注入,且不能出现在日志里。 2. **`setup()` 是一次性的建表/迁移动作**,只应在受控的迁移流程中执行——**不要让每个应用实例启动时都去执行一次建表**,那在多副本场景下会引发并发加锁、权限不足等问题。 3. **连接要复用、要释放**。用连接池承载并发,在应用关闭时优雅释放,避免"发布时连接泄漏、数据库连接数被打满"。 ### Q:这些环节里,什么东西绝对不能写进日志? A:结论先行——**不要把数据库 URL(含凭据)、审批数据或完整 prompt 写入日志**。 具体的"禁止清单"包括:数据库连接串与密码、API Key、用户身份证件等敏感个人信息、未脱敏的 prompt、审批的人事结论、工具的密钥与原始敏感输出。**日志与 checkpoint 属于同一类风险面**——它们都会被持久化、被多人访问、被留存很长时间,因此脱敏、访问控制与保留期策略要一起设计。 这一条会贯穿后面的可观测性内容:**"能记什么"和"能存在哪里"是两个独立决策,前者受排障需求约束,后者受安全与合规约束。** ## 小结 - checkpoint 让"长任务"具备跨进程、跨天、跨审批的续跑能力;它以 `thread_id` 为隔离键、按 super-step 保存状态快照。 - `thread_id` 是业务执行实例的稳定主键:同一业务复用、不同用户/任务绝不共享;它由业务标识确定性派生。 - Checkpointer 按"是否需要跨进程、是否多实例、是否可丢失"选型;生产还要看恢复时长、保留策略、加密、隔离与版本兼容。 - `interrupt()` 必须放在副作用之前;恢复时该节点会从节点开头重新执行,因此 interrupt 前只允许可重放、无副作用的计算。 - 恢复与重放的五条安全规则围绕同一个问题:同一段代码执行两次时,会不会产生第二遍后果。 - 旧快照恢复新版本图的风险主要在字段兼容性,"改字段语义"最难排查,发布前必须做恢复演练。 ## 思考题 1. 为什么 checkpoint 按 super-step 而不是按"每个节点"保存?如果按节点保存会出现什么问题? 2. 如果 `interrupt()` 之前写了一句"扣款"调用,用户拒绝审批后系统会处于什么状态?你如何修复这段代码? 3. 一个字段原来是"已重试次数",现在改成"总尝试次数",历史快照恢复后循环预算判断会怎么偏?请举出两种可观测到的现象。 4. 为什么 `thread_id` 不能由随机数生成,也不能在恢复时重新生成?请从"可寻址"和"隔离性"两个角度回答。 5. 如果面试官问"你如何设计一个跨天的审批流程",请用 checkpoint、`thread_id`、`interrupt` 和幂等键四个概念组织一段完整回答。
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入