执行中途失败怎么办？sprix-sage-router进度感知重规划与失败恢复实战

执行中途失败怎么办？sprix-sage-router进度感知重规划与失败恢复实战

【免费下载链接】sprix-sage-routerSprix AI at 屿智同行 — state-aware SELF/COLLABORATE/HANDOFF routing for A2A agent networks.项目地址: https://gitcode.com/gh_mirrors/sp/sprix-sage-router

多智能体任务跑到一半，负责执行的 Agent 突然挂了，系统该怎么办？继续硬撑、拉队友、还是整体换人？sprix-sage-router（Sprix SAGE Router）正是为此而生的 A2A 网络状态感知路由器：它在任务执行过程中实时比较 SELF（自己继续）、COLLABORATE（协作增援）、HANDOFF（整体移交）三条路线，把失败进度、累计上下文和预算约束一起纳入同一个可审计的效用函数，完成进度感知的重规划与失败恢复。

为什么执行中途失败是最难处理的时刻

很多 Agent 系统只在任务开始时做一次匹配：选个能力最强的 Agent 就开工。一旦执行中途失败——Agent 不可用、预算超支、质量不达标——系统往往只能粗暴地"从头再选一次"。这会带来两个问题：

• ⚠️丢失已有进度：已经完成的依赖步骤、积累的上下文，在重新选型时没有被考虑；
• 🔄决策不可解释：换不换人、换给谁，全靠写死的启发式规则，出了问题无从排查。

SAGE 的思路是：把"执行中途的状态"变成一等公民。路由器不再只看静态能力表，而是读取任务实时状态，在三种恢复路线里做统一权衡，并保留完整审计轨迹。

三种恢复路线：继续、增援还是移交

SAGE 将失败后的恢复路径归纳为三种模式，它们在同一条效用公式中直接竞争，而不是靠零散规则硬编码：

一个值得注意的细节：进度越深，上下文越难转移，整体移交（HANDOFF）的成本就越高。SAGE 用进度 × 上下文可转移性来量化这部分损失，避免"任务做到 80% 却轻率换人"的决策。三种模式的完整决策边界分析见 ALGORITHM.md。

进度感知重规划：用 ExecutionState 告诉路由器"现在到哪了"

重规划的前提是路由器"知道现场"。SAGE 用一个轻量的执行状态结构承载这些信息，定义见 sprix_sage.py：

关键行为有两条：

1. 失败 Agent 被硬过滤：凡在failed_agents里的 Agent，直接标记"failed"原因，无论它预测质量多高都不会进入候选，见 sprix_sage.py。
2. 切换损失随失败次数递减：失败次数越多，路由器对"再次换人"的摩擦惩罚越轻（恢复折扣），避免在已经出状况的任务上因害怕切换成本而停在原地，见切换损失实现 sprix_sage.py。

失败恢复完整流程：记录 → 重规划 → 持久化

仓库提供了可直接运行的失败恢复示例 examples/replan_and_persist.py，完整流程分三步。

第一步：把失败证据记回学习状态

执行结束后，用record_outcome把真实结果喂回路由器。失败证据（如success=0.1）会更新该 Agent 的上下文信任度，后续选型时它的可信度会被自动调低——这是"从失败中学习"而非"把失败的 Agent 拉黑了事"：

router.record_outcome( initial, ExecutionOutcome( success=0.1, requirement_scores={"coding": 0.1}, actual_cost=0.05, actual_latency_ms=750, ), )

第二步：注入执行状态，重规划绕开失败 Agent

构造带失败信息的ExecutionState（进度 0.4、generalist已失败），再次调用route。路由器会把失败 Agent 移出候选，围绕剩余需求重新比较三种模式：

state = ExecutionState( active_agents=initial.agents, active_mode=initial.mode, progress=0.4, failed_agents=frozenset({"generalist"}), failure_count=1, ) replanned = router.route(task, state=state)

第三步：版本化快照，让恢复经验跨重启保留

学习到的信任、协同和报价保真度不会随进程消失。export_state导出带版本号的 JSON 快照，restore_state在新实例上恢复（实现见 sprix_sage.py）：

snapshot_json = json.dumps(router.export_state()) restored = SAGERouter(agents, incumbent_id="generalist") restored.restore_state(json.loads(snapshot_json))

生产环境建议对快照做原子写入与加密，运维细节参考 docs/OPERATIONS.md。

可审计：明确看到路由器为什么排除谁

重规划最怕"黑盒换人"。用route_with_trace替代route调用，除了胜出决策，还能拿到完整审计包：

• ✅ 胜出的路由 + 按效用排序的可行备选方案；
• ✅ 每个被淘汰 Agent 的硬性过滤原因（failed / unavailable / 缺权限 / 超预算 / 超时）；
• ✅ 最终团队的角色分配与通信拓扑。

排查"为什么把失败 Agent 换成了它"时，只需检查excluded_agents里的理由即可，无需翻日志猜。

快速上手：3 步跑通失败恢复演示

SAGE 参考实现零运行时依赖（Python 3.10+），克隆仓库即可运行：

git clone https://gitcode.com/gh_mirrors/sp/sprix-sage-router cd sprix-sage-router python -m examples.replan_and_persist

终端会依次打印初始路由、失败后的重规划结果，以及恢复后路由器成功模型的学习更新次数。想看更完整的端到端路由（含 A2A 执行计划生成），可运行 examples/a2a_execution_plan.py，其原理说明见 docs/INTEGRATION.md。

小结

执行中途失败时，别再"从头选一遍"。sprix-sage-router 给出的答案可以浓缩成四句话：

1. 📊 用ExecutionState把进度与失败事实如实注入，重规划才谈得上"进度感知"；
2. 🚫 失败 Agent 走硬过滤，不进候选；
3. ⚖️ SELF / COLLABORATE / HANDOFF 在同一效用函数里竞争，且失败越多、换人阻力越小；
4. 💾 失败证据与学习状态版本化落盘，恢复能力跨重启保留，全程可审计。

作为研究预览项目，SAGE 已具备完整的重规划闭环与状态持久化；若你要在真实 A2A 网络上落地，建议按 docs/OPERATIONS.md 的分阶段上线流程（离线回放 → 影子决策 → 灰度）逐步推进。

【免费下载链接】sprix-sage-routerSprix AI at 屿智同行 — state-aware SELF/COLLABORATE/HANDOFF routing for A2A agent networks.项目地址: https://gitcode.com/gh_mirrors/sp/sprix-sage-router