Agent 跑了三天显示 completed怎么证明它真做完了从 OpenAI Agents API 的会话与恢复文档拆出长任务的五层完成记录Agent 跑了三天状态栏终于亮起绿色的completed。你敢直接把结果交给下游吗这个问题正在变得越来越实际。按照 OpenAI 官方文档的描述Agents API 是用于构建持久云端 Agent 的托管框架平台管理会话、编排、上下文压缩和恢复应用侧提供工具并选择执行环境。文档呈现的已经不再是一次问答而是一段可以持续推进、调用工具、保存工作的执行过程。换句话说Agent 能“连续工作”的能力是平台给的但“证明完成”的责任仍然在你手里。一、completed 只说明运行走到了终点先把最容易被忽略的一句话摆在前面官方文档明确提醒turn 显示为completed并不保证其中每个工具都执行成功会话处于空闲状态也不等于任务成功。会话文档要求开发者继续检查输出和工具结果。为什么会这样因为一次工作循环turn是平台的执行单位它关心的是“这一轮跑完了吗”而不是“你的业务目标达成了吗”。turn 可能完成、失败或被取消——这三态描述的是执行过程不是业务结果。日志显示浏览器访问了某个页面不代表读到了正确版本记录显示文件写入成功不代表格式符合投稿要求子 Agent 都正常返回也不代表汇总时没有遗漏冲突结论。一个真实任务至少包含五层完成状态从下往上依次是运行层turn 的状态completed / failed / cancelled工具层每次工具调用是否成功、返回了什么产物层生成的文件、消息、提交是否存在且可读内容层产物内容是否基于正确的输入版本、是否符合格式与一致性要求验收层业务标准是否满足例如“日报包含全部三个数据源且数字对得上”。可观测性负责留下前四层的证据验收标准负责判断证据是否足够。少了第五层completed只是一个漂亮的绿色图标。二、任务身份业务幂等不能靠 API 幂等代替长任务跨天、跨设备第一件事是给任务一个稳定的身份。比如一个日报任务可以命名为daily:2026-10-18当天手动补跑或断线恢复时只要处理的仍是同一个逻辑任务就复用这个身份如果是显式要求重新生成则创建新的修订版本而不是悄悄覆盖原结果。Agents API 的会话文档也建议为每一次逻辑消息提交创建幂等键请求因超时或响应丢失而自动重试时应复用相同的会话 ID、消息和幂等键新的逻辑提交则使用新的键。这项机制解决的是请求层的重复提交问题。但要注意边界API 幂等不能替你判断“生成今天的日报”和“重新生成今天的日报”是不是同一件事。业务系统仍需定义自己的任务身份和修订规则。两层幂等各管一段混为一谈迟早出事。三、业务时间与观察时间输入版本要钉死长期任务经常跨过数据变化的边界。Agent 上午读取一篇文章下午恢复时原文已经更新原计划七点生成日报电脑十点才从休眠中恢复。任务日期没变实际处理的资料却可能已经不同。因此完成记录至少要区分两种时间业务时间结果属于哪一天、哪一个计划任务观察时间系统实际在什么时候读取了什么资料。配套的做法是把输入版本钉死记录每份资料的 URL、版本号、抓取时间或内容哈希。恢复运行时先比对当前输入与记录中的版本不一致就显式决策——要么用旧版本补完要么声明这是新修订。这样三天后产出的报告才能回答“你引用的是哪个时刻的世界”。四、恢复时只补做未完成的工作长任务中断后最直觉的做法是重新运行。但失败的 turn 仍可能已经修改文件或调用了外部工具——直接重跑反而可能扩大问题。Agents API 的错误恢复文档建议在重试前取回会话、turn 和已保存的 items检查已经发生的动作遇到暂时性错误再按照间隔和次数限制只继续未完成的工作。可以把恢复顺序压缩成五步查询最终状态不根据断线现象猜测结果核对已经完成的工具调用和外部副作用找到已有产物并验证内容版本只补做缺失步骤达到重试上限后转人工处理。对于三天级别的任务“失败就重跑”是危险默认值上面这套顺序才是。五、用行为变更日志让完成记录可被复核完成记录不仅要回答“这次做完了没有”还要让下游团队能复核“为什么这次和上次不一样”。参考《AI 更新日志问题为什么你的提示词更新正在破坏其他团队的工作》提出的框架一次行为变更至少应记录五项版本和日期SemVer 字符串、时间戳、可读发布名变更内容Prompt 差异、模型 from/to、工具 schema 或检索器变化——“改进了提示词”不是一个条目而是一个道歉变更原因工单、评估结果、客户投诉或供应商弃用通知行为差异黄金数据集变更前后通过率附 3–5 个样本输入的新旧输出并排对比迁移指南下游必须做、建议做或可以忽略的事明确写出“无需操作”的情况。配套纪律有两点一是让评估门禁eval gate为变更日志背书——每次 Prompt PR 跑黄金数据集差异发布到 PR 中并机械地决定版本号二是不要把latest作为推荐默认值让浮动版本变得显式且费力否则每次发布都有一批使用者给你发报警。适用范围与局限这套五层记录 断点恢复清单适用于跑数小时到数天、调用外部工具、可能中断恢复的 Agent 任务对秒级问答类调用属于过度设计。同时要诚实地说它解决的是“可核查”不解决“正确”——黄金数据集覆盖不到的用例、验收标准写漏的格式问题依然要靠人和持续运营去补。Agent 跑得越久completed这个词就越廉价。真正的完成证明是一份别人能按图索骥、逐层复核的记录。参考资料以下链接为本文使用的公开资料。事实依据与检索摘录保存在本地记录中资料内容与适用范围以原始页面为准。Agent 已经能连续工作几天但你怎么证明它真的完成了-腾讯云开发者社区-腾讯云AI 更新日志问题为什么你的提示词更新正在破坏其他团队的工作