Pi 重构 Harness：让 Agent 跑崩后接着干
长流程 Agent 一旦遇到模型请求失败、进程崩溃或并发交互，就可能停在执行中间状态：某项操作是否已经发生、结果有没有持久化、下一步该从哪里继续，都需要系统能够明确判断。开源项目 Pi 正在重新设计一套持久化 Durable AgentHarness，让已经接受的运行在中断后具备可恢复的执行状态。

Pi 将一个会话的持久状态拆成四部分：
1️⃣会话树：只增的会话树，保存消息、配置变化与摘要等内容；
2️⃣执行通道（Lane）：记录当前工作位置，不同 Lane 可以在同一会话中并行运行；
3️⃣操作日志：记录操作开始、步骤尝试、工具开始等执行过程，为崩溃恢复提供依据；
四全局事实：保存会话名称、条目标签等会话级最新值。

其中，会话树保存“发生过什么”，操作日志保存“执行到了哪里”，两类信息不会混入同一套记录。

Pi 的核心持久化规则很直接：操作前记录意图，完成后追加结果。

以工具调用为例，系统会先记录工具即将执行及对应结果 ID，再真正调用工具，最后追加工具结果。如果此时发生崩溃，“有意图、无结果”并不意味着工具一定没有执行，而是结果尚未确认；恢复时再结合已有记录和工具的重放策略决定如何处理。

重新打开会话后，系统会根据持久记录判断当前执行位置，再选择重试未完成步骤、取回延后请求结果、处理未完成工具批次，或进入下一个检查点。resume() 继续的是已经打开的操作，不会重新创建一次运行。

Pi 还把持久化写入、模型请求、工具执行、Hook、定时等待统一放到明确的执行边界中。手动驱动模式可以主动停在这些位置，模拟崩溃、重新打开和恢复，把原本难以稳定复现的故障路径变成可系统验证的测试场景。

这套设计为长流程 Agent 提供了一种执行状态持久化与故障恢复的工程思路。不过，Durable AgentHarness 的完整运行链目前仍在分阶段实现，当前分支中的恢复、Lane、手动驱动等核心运行路径仍有部分尚未完成。

Pi Agent 探寻人工智能，人与AI全新序章 harness AgentRuntime 崩溃恢复 AI架构调整 软件工程 AI开发者避坑