Martin Fowler 发文解析 durable execution：长时程智能体如何从故障中恢复
跑过长时间智能体任务的人都知道中途挂掉有多崩溃，Kiran Prakash 在 Martin Fowler 站上讲的 durable execution 就是解这个的：状态存检查点，崩了从断点继续，不用从头烧 token。做 Agent 工程的值得花十分钟看看。
Martin Fowler 网站发布 Kiran Prakash 撰写的文章，主题是长时程（long-horizon）智能体的可靠性问题。这类智能体可以自动执行需要数天甚至数周才能完成的任务，但运行周期越长，中途出错和需要恢复的场景就越多。
文章提出的核心方案是 durable execution（持久化执行）：把智能体的执行状态持久化保存，当进程崩溃、API 调用失败或外部系统中断时，智能体可以从最近的检查点恢复，而不是从头重跑整个任务。这样能避免重复消耗 token 和计算资源，也让数天级别的自动化任务变得可运维。
对正在构建跨小时、跨天运行智能体的开发者来说，这篇文章给出了一套工程化的容错思路，与单纯依靠重试或人工监督的做法相比，更接近传统工作流引擎的可靠性设计。
Long-horizon agents can automate tasks that take days or weeks, but much can go wrong. Kiran Prakash explains how durable execution allows agents to recover. martinfowler.com/articles/durab…📊 4 ⚡
本条情报归属 AITOP「general」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：durable execution、智能体、Martin Fowler、长时程任务，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Martin Fowler」（@martinfowler），经 AITOP 多维评分管线结构化提炼。
