状态管理与持久化：让长任务经得起中断

这门课讲 Agent 的执行状态——不是模型「记得」什么（那是记忆，本系列第 5 门课与第 8 门课的领地），而是 harness 自己攥着的那份运行现场：messages 数组、轮次与用量计数器、还没落账的工具调用。进程一死，磁盘上的文件都还在，这份现场却没了——任务只能从头再来。本课教你把现场变成可以落盘、可以恢复的东西：每一步存检查点、崩溃后从断点把循环拉起来、恢复时分辨哪些工具敢重跑哪些不敢（幂等性）、再把检查点用出第二重价值——回退到早先的现场、分叉出另一条尝试路线，最后动手给你在第 7 门课写的 harness 装上完整的检查点与恢复机制。适合已完成本系列前 8 门课的读者。本课不重教记忆与上下文管理（第 5 门课讲「模型跨会话记得什么」、第 8 门课讲「每一轮让模型看到什么」，本课讲「harness 自己记什么」），不教 Temporal 这类外部工作流引擎的 API，也不涉及多进程并发与分布式一致性；Claude Code 的检查点机制只作产品对照，本课教的是给你自己的 harness 造一个。

课程大纲

学习目标

完成本课程后，你将能够：

区分 Agent 的记忆（喂给模型的上下文）与执行状态（harness 攥着的运行现场），说清为什么「Agent 是有状态的、错误会复利」使得崩溃对长任务格外致命
为一个 harness 循环设计检查点：哪些字段必须进快照、什么时机落盘、怎么写才不会把检查点文件本身写坏
实现断点恢复：从检查点重建 messages 与计数器、重新进入循环，并正确处理「崩溃发生在工具执行与结果落账之间」留下的悬空调用
用幂等性给恢复兜底：判断哪些工具重跑无害、哪些必须防止重复执行，并给高影响工具装上幂等键
把检查点用在救灾之外：回退到早先的现场重试、分叉出另一条尝试路线，并说清检查点与版本控制的分工
给第 7 门课的 harness 装上「每轮落盘 + --resume 恢复 + 悬空调用对账 + 幂等防重」的完整机制，亲手演示一次中断后续跑到完成的长任务

前置要求

完成本系列前 8 门课，或具备等同基础
能手写以 stop_reason 驱动的 harness 循环，理解 tool_use/tool_result 必须一一配对（第 7 门课）
了解上下文窗口管理与压缩（第 8 门课；本课的检查点会与它的 tokensUsed 计数配合）
能读写基础的 JavaScript / Node.js 代码（第 6 课需要跟着写）

预计学习时间

约 3-4 小时，包括每课的动手练习