9.9.1 部署路线图：运行时、持久化、恢复

部署 Agent 不只是把代码放到服务器。你需要模型调用、工具服务、队列、状态存储、trace、权限、成本限制和回滚路径。

先看运行时闭环

生产问题不是“它是否成功过一次”，而是“它能不能持续工作、安全失败并恢复”。

跑一个部署就绪检查

这个检查会暴露缺失的生产基础能力。

service = {
    "api_entry": True,
    "state_store": True,
    "trace_log": True,
    "cost_limit": True,
    "rollback": False,
}

missing = [name for name, ok in service.items() if not ok]

print("ready:", not missing)
print("missing:", missing)

预期输出：

ready: False
missing: ['rollback']

如果系统不能回滚或恢复，就不要称为生产就绪。

按这个顺序学

步骤	阅读	实操产出
1	部署架构	画出前端、后端、模型服务、工具服务、存储
2	运行时管理	处理同步、异步、长任务、队列和中断
3	持久化与恢复	保存任务状态、记忆、追踪 和中间结果
4	成本优化	追踪模型调用、工具调用、缓存、批处理、路由
5	生产实践	加入监控、告警、灰度发布、回滚和权限

留下的证据

学完这一页，至少保留这张证据卡：

运行时

队列、worker、状态存储、工具服务，以及模型端点

持久化

检查点、事件日志、记忆存储和恢复路径

运维信号

延迟、成本、错误率、trace 覆盖率和饱和度

失败检查

运行卡住、重复动作、部分失败或成本失控

恢复动作

继续、回滚、取消、人工接管，或优雅降级

通过标准

如果一个本地 Agent 演示能变成小服务，包含 API 入口、状态持久化、trace 日志、错误响应、成本记录和部署说明，就通过了本章。

检查思路与讲解

1. 合格答案要描述 agent 循环：目标、计划、工具调用、观察结果、记忆或状态更新，以及停止条件。
2. 证据应包含另一个开发者可以检查的 trace，而不只是最终回答。
3. 自检时要能说出一个安全或可靠性控制，例如工具 schema、权限边界、重试、评估用例或人工复核点。