长任务的主要风险是上下文膨胀、重复动作和中途失败。把计划当作可变数据,把执行当作有限状态机,能够在重启后从最后一个成功节点继续。
核心概念
计划项应包含 id、前置条件、输入引用、状态和重试次数。状态机只允许声明过的转移,例如 pending -> running -> succeeded 或 failed。不要让模型通过字符串自由修改状态。
可运行示例
from enum import StrEnum
class Status(StrEnum):
PENDING = 'pending'
RUNNING = 'running'
SUCCEEDED = 'succeeded'
FAILED = 'failed'
TRANSITIONS = {(Status.PENDING, Status.RUNNING), (Status.RUNNING, Status.SUCCEEDED), (Status.RUNNING, Status.FAILED)}
def transition(old: Status, new: Status) -> Status:
if (old, new) not in TRANSITIONS:
raise ValueError('invalid transition')
return new
操作步骤
- 先把业务流程画成节点和边,标出可并行节点和必须串行节点。
- 为每个节点保存输入引用而非复制大段上下文,减少重试成本。
- 执行前写入 running,执行成功后用事务写入 succeeded 和结果摘要。
- 重启时扫描 running 节点,按幂等策略决定恢复、重试或转人工。
适用场景
适合报告生成、资料同步和多步骤审批;实时聊天这类短任务通常不需要复杂状态机。
常见问题
模型还需要生成完整计划吗? 可以,但服务端必须校验节点类型、依赖和预算。
并行任务怎么汇总? 记录每个子任务状态,只有全部满足条件才推进汇总节点。
失败记录是否删除? 不删除,保留失败原因和人工处理结果。
官方参考
OpenAI Agents 指南;OpenAI Evals。
最后核对日期:2026-11-16。版本、接口和安全边界以链接的官方资料为准;本文不虚构性能或费用结论。
