评估、观测与恢复

const checkpoint = await saveState(run);
try {
  return await executeStep(checkpoint);
} catch (error) {
  await recordFailure(checkpoint, classify(error));
  return { status: "recoverable", checkpointId: checkpoint.id };
}

这是解释结构的代码骨架，外部函数与数据需要在实际项目中实现。

放进真实情境里看

更新检索策略后，演示问题回答得更漂亮，但旧版文档误引增加了。没有固定样本和运行轨迹，很难判断修改到底改善了什么。

1. 01

   收集可重放案例

   保留用户问题、目标版本、预期来源与允许的拒答情况。至少加入正常、歧义和缺资料三类样本。

2. 02

   比较同一组指标

   对修改前后同时统计引用正确率、拒答质量、耗时和成本；不要只看模型回答是否“顺口”。

3. 03

   从稳定节点恢复

   给关键步骤保存输入、工具结果和状态版本。失败后从可信的检查点重试，并避免重复执行已发生的副作用。