SuperAPI AI 工具集

agent-checkpointing

智能体与模型

查看项目

更新于 10-15 23:49

技能介绍

用途:为智能体加入检查点能力,实现执行状态的保存、恢复、重放与调试,适用于构建可恢复智能体、实现重放、调试执行路径、分支尝试不同路径、审计决策历史以及复现测试场景。

主要能力:基于 LangGraph 的 StateGraph 与 checkpointer,每个节点完成时自动创建检查点。开发环境可用 SqliteSaver.from_conn_string("./checkpoints.db"),生产环境可用 PostgresSaver.from_conn_string("postgresql://user:pass@host/db"),再通过 workflow.compile(checkpointer=checkpointer) 编译图。支持用 app.get_state(config) 查看当前状态,用 app.get_state_history(config) 获取完整检查点历史。

使用方式:以 thread_id 标识会话,config = {"configurable": {"thread_id": "my-thread"}};恢复时传入 None 继续执行,如 app.invoke(None, config)。可指定 checkpoint_id 从特定检查点恢复。支持从检查点分支:读取源状态后,用 app.update_state 写入新 thread_id,并可合并修改后的状态。还提供分支对比、检查点导出为 JSON 与导入、按时间或每线程数量清理旧检查点。

适用场景:失败后恢复而不丢失进度、回放精确执行路径、从同一检查点尝试不同分支、保留智能体决策的完整历史、在测试中复现特定场景。

限制与注意事项:资料未提供具体版本要求、性能数据或收费信息。建议在决策点而非每个微步骤设置检查点,检查点应包含时间戳、来源节点、版本等元数据,避免保存超大对象,定期清理旧检查点,并验证恢复确实可用,同时妥善处理模式变更。