一句话总结：Agent 工作流工程体系是 "DAG + 状态机 + 检查点"——条件分支/并行扇出/人工审批都建模成显式状态；检查点在关键节点存快照（含幂等键），崩溃从最近检查点恢复而非从头开始。

工作流引擎体系（面试默写）

• DAG：有向无环图描述依赖（节点=步骤，边=流转）
• 状态机：显式状态驱动控制流（条件分支/动态路由/循环重试）
• 检查点：持久化状态快照，支持中断恢复与回放
• 覆盖：并行扇出与结果汇聚、HITL 中断恢复、错误处理与补偿、可观测性

检查点（Checkpoint，拉分点）

• 适合位置：昂贵查询后 / 人工审批前 / 真实写操作前后 / 每完成一批次 / 进入外部等待
• 内容：当前节点、结构化 State、已执行动作及幂等键、关键工具结果引用、版本信息
• 幂等：重试安全的前提是工具幂等 + 检查点存工具收据（receipts）

Human-in-the-loop（拉分点）

• 建模为 first-class 状态：带超时、SLA、审计轨迹
• LangGraph：interrupt() 暂停节点 + Checkpointer 保存 → Command(resume=...) 同 thread_id 恢复
• 审批流解耦：保存 checkpoint → 释放线程 → 用户随时审批 → 进程重启也能恢复
• 典型：语音客服挽留 offer 需主管实时审核后再展示

可恢复 Runtime 保存清单

任务状态 / 最近消息或压缩摘要 / 已执行工具调用及结果 / 当前 Graph 节点 / 轮数与预算 / 重试次数 / 人工等待请求 / checkpoint 版本

面试要点

• 能讲"DAG+状态机+检查点"体系
• 能报检查点位置与内容（含幂等键）
• 能讲 HITL（interrupt/resume/线程释放/审计）
• 能说幂等与重试安全的关系

相关概念

• [AI-Agent-工作流编排与状态图](/学习笔记/AI技术/AI Agent/AI-Agent-工作流编排与状态图) — LangGraph 实现
• [AI-Agent-工作流生产化](/学习笔记/AI技术/AI Agent/AI-Agent-工作流生产化) — 上线防护
• [AI-Agent-长任务执行与状态管理](/学习笔记/AI技术/AI Agent/AI-Agent-长任务执行与状态管理) — 状态层
• [AI-Agent-生产部署与告警](/学习笔记/AI技术/AI Agent/AI-Agent-生产部署与告警) — 部署层