Agentüberwachung nach einer Lösung: Nachweis der Wiederherstellung in fünf Schritten

Ein AI Agent wird nicht wiederhergestellt, nur weil ein Neustart, erneuter Versuch oder ein Schub erfolgreich zurückgekehrt ist. Die praktische Standardregelung für die Überwachung von agent besteht darin, die Erholung in fünf Schritten zu überprüfen: die genehmigte Intervention aufzuzeichnen, die Reichbarkeit und Bereitschaft zu bestätigen, den Aufgabenspezifischen Fortschritt zu beobachten, das versprochene Ergebnis unabhängig zu überprüfen und ein Stabilitätsfenster für Rückfälle zu beobachten. Halten Sie den Zustand als recovering , uncertain oder needs human nicht gesund, bis die strengste anwendbare Kontrolle abgelaufen ist. Diese Unterscheidung ist wichtig, weil der Reparaturbefehl und die Arbeit des Benutzers auf unterschiedlichen Ebenen leben. Ein Prozess kann neu gestartet werden, solange seine Anmeldeerlaubnis abgelaufen ist. Ein Herzschlag kann wieder aufgenommen werden, während der Agent den gleichen Gerätruf wiederholt. Ein Agenten kann die Fertigstellung erklären, während die Datei, das Ticket, die Nachricht oder die Bereitstellung noch nicht vorhanden sind. Erholung ist eine Beweisanspruchung, nicht ein Aktivitätsereignis. Ein Vorfall mit einer Verifikationsleiter zu löschen Verwenden Sie eine Leiter anstelle eines grünen Status. Jeder Schritt beantwortet eine andere Frage und sollte seine eigene Zeitmarke, Quelle und Vertrauen bewahren. Schritt für Schritt Die Frage Mindestbeweise Anmeldung, wenn sie fehlschlägt Intervention War die genaue begrenzte Aktion genehmigt und ausgeführt? Genehmigungsreferenz, Aktionstyp, Versuchs ID, Ausstieg oder API Ergebnis needs human oder intervention failed Erreichbarkeit Ist die Laufzeit kontaktierbar und bereit für ihre Aufgabe? frischer Herzschlag plus eine Aufgabenrelevante Bereitschaftsprüfung unreachable oder alive only Fortschritte Hat sich die nützliche Arbeit seit der Intervention verändert? monotone Artefakt, vollendete Einheit, Cursor, Testdelta oder Bestimmungsänderung alive only oder recovering Ergebnis Besteht das versprochene Ergebnis und erfüllt seine deterministische Prüfung? Bestimmungsort native Suche, Verdauung, Prüfung, Überprüfung oder Empfang false recovery , recovering oder uncertain Stabilität Ist das diagnostizierte Versagen lange genug abwesend geblieben, um sich zu wiederholen? ein Arbeitslast spezifisches Beobachtungsfenster ohne wiederholtes Symptom relapsed oder recovered Die angemessene Verzögerung ist konservativ: Ein Agent, der erreichbar ist, aber keine nützliche Arbeit bewegte, ist alive only ; ein Agent, der die messbare Arbeit wieder aufgenommen hat, aber nicht zu seinem Ergebnis gelangt ist, ist recovering ; nur frische Ergebnisse, die das Stabilitätsfenster überleben, verdienen recovered . Kubernetes verwendet eine verwandte Trennung für Behälter. Sein Probeunterlagen gibt Start , Lebens und Bereitschaftsfunktionen unterschiedlich: Die Lebens und Bereitschaftsfunktion kann einen Neustart auslösen, während die Bereitschaft kontrolliert, ob ein Container den Verkehr empfangen sollte. Es warnt auch davor, dass falsche Lebensraumproben zu Kaskadenfehlern führen können. Die Analogie hat eine Grenze ein Agenten Aufgabe ist kein Pod aber die Betriebslehrung überträgt: der Prozess sollte neu gestartet werden und die Arbeit ist fertig darf nicht derselbe Test sein. Ein Stabilitätsfenster ist kein willkürlicher fünfminütiger Schlaf. Wählen Sie den kürzesten Intervall, in dem der ursprüngliche Fehler eine gerechte Chance hatte, zurückzukehren. Für einen Schleife, der alle zwei Tool Anrufe wiederholt, beobachten Sie mindestens zwei saubere Tool Anrufe. Für einen geplanten Verleger, warten Sie bis zu seiner nächsten Ergebnisse Frist. Für einen Ausfall der Anmeldeinformationen muss die betroffene Genehmigung einmal mit einer nicht zerstörenden Überprüfung ausgeübt werden. Das Fenster sollte lang genug sein, um die Reparatur zu verfälschen, aber nicht so lange, dass der Vorfall nach der Existenz entscheidender Beweise zweideutig bleibt. Erfassen Sie einen Wiederherstellungsversuch, nicht eine lose Befehlssequenz. Die Diagnose, die Autorität, die Intervention und die Verifizierung sind mit einer unveränderlichen Versuchs ID verbunden. Andernfalls kann der Monitor einen Herzschlag von einem späteren manuellen Neustart zu einem früheren automatisierten Schub verbinden und eine Wiederherstellung melden, die niemand erklären kann. Ein privat eingeschränkter Event kann so aussehen: Dieses Ereignis erfordert keine Anfragen, Antworten, Geheimnisse, Rohwerkzeugnutzlasten oder absolute Wege. Es braucht die Grenze der Aktion und die Grenze der Beweise. Speichern Sie action completed als Quittung, nicht als Rückgewinnungsurteil. Diese Regel ist besonders wichtig für asynchrone APIs. RFC 9110 Abschnitt 15.3.3 sagt, dass eine HTTP 202 Accepted Antwort bedeutet, dass die Verarbeitung nicht abgeschlossen ist und möglicherweise nie auftritt; die Antwort sollte den aktuellen Status beschreiben und auf einen Statusmonitor hinweisen. Wenn der Wiederherstellungsadapter eines Agents 202 empfängt, folgen Sie diesem Monitor oder befragen Sie das Ziel. Übersetzen Sie nicht akzeptiert in fixed. Die Spuren haben die gleiche Grenze. OpenTelemetry definiert eine Spannung als Arbeitsstelle und ihren Status als den Status der von ihr verfolgten Operation. Eine saubere restart agent Span beweist, dass der Betrieb keinen Fehler gemeldet hat. Es wird nicht definiert, ob ein Bericht erstellt wurde, ein Ticket eingetroffen wurde oder eine Bereitstellung der beabsichtigten Revision dient. Verknüpfen Sie die Interventionsdauer mit den späteren Fortschritten und den Ergebnisnachweisen; überladen Sie ihren Status nicht. Die Autorität gehört auch in die Akte. Wenn ein Neustart, eine Aktualisierung der Anmeldeinformationen, das Versenden von Nachrichten oder die Rückführung einer Genehmigung bedürfen und keine gültige Genehmigung vorliegt, sollte der Monitor needs human emittieren. Es darf nicht versuchen, die Aktion zu erledigen und dann um Rückblick ersuchen. Die Wiederherstellung erfordert auch einen erneuten Versuch und ein Zeitbudget. Eine zweite Intervention nach dem ersten Scheitern ist eine neue Entscheidung, nicht eine unsichtbare Erweiterung des ursprünglichen Befehls. Wiederholen Sie den falsch positiven Herzschlag. Das begleitende Gerät enthält acht synthetische Fälle nach dem Eingriff: fehlende Autorität, ein Handlungsfehler, nur Herzschlagaktivität, wieder aufgenommener Fortschritt, überprüfte stabile Erholung, Rückfall, veraltete Verifikationsnachweise und vom Agent erklärtes Abschluss mit fehlenden Zielergebnissen. Führen Sie den Klassifikator aus dem Verzeichnis von Artefakten aus: Der entscheidende Ergebnis ist: Die naïve Regel Aktion ist abgeschlossen und der Herzschlag vorhanden Berichte über sechs Erholungen. Die Leiter meldet einen. Das liegt nicht daran, daß die Leiter pessimistisch sind. Ein Fall ist wirklich recovering : Nützliche Fortschritte sind wieder aufgenommen und das Ergebnis ist noch nicht abgeschlossen. Ein anderer hat neue Ergebnisse, aber dann wiederholt das diagnostizierte Versagen, also ist es relapsed . Ein Dritter hat ein nachgewiesenes Ergebnis, das zehn Minuten alt ist, so dass es uncertain ist, nicht gescheitert oder gesund. Die 120 Sekunden Frischheitsschwelle des Geräts ist illustrativ und keine Produktionsvorgabe. Die Frische der Beweise gehört dem Überprüfer. Eine Aufnahme der Datei auf dem Speicherplatz kann sofort entscheidend sein. Ein letztlich einheitlicher Suchindex kann eine dokumentierte Verzögerung benötigen. Wenn der Verifizier selbst nicht verfügbar ist, bewahren Sie uncertain und legen Sie das fehlende Signal auf. Starten Sie den Agenten nicht erneut, nur um das Dashboard grün zu machen. Das Überwachung verteilter Systeme Kapitel von Google unterscheidet Symptome von Ursachen und schwarze und weiße Beweise. Es behandelt auch eine erfolgreiche Protokollreaktion mit falschem Inhalt als einen Fehler, der end to end Tests erfordern kann. In dieser Erholungsleiter sind die Interventionsbestätigung und die Laufzeit Telemetrie Weißbox Ursachennachweise; die Bestimmungsort Nativ Ergebnisprüfung ist der Blackbox Symptom Test. Beide sind nützlich, aber nur letztere löst, was der Benutzer tatsächlich verloren hat. Die Rückgewinnungsüberprüfung wird zu einem Betriebsvertrag verwandelt Für jede überwachte Aufgabenklasse definieren Sie die Leiter vor einem Vorfall: die Ausfallstatistiken, die eine begrenzte Intervention erlauben; die Person oder die Politik, die jede Maßnahme genehmigen darf; die reversible Aktion und ihre anstrengenden Versuche, Zeit und Kostenbeschränkungen; die Prüfung der Laufzeitbereitschaft nach der Aktion; ein nützliches Fortschrittsfeld mit einer erwarteten Richtung; der deterministische Ergebnisprüfer, seine Frist und seine Frischheitsgrenze; die Wiederholungsmöglichkeit, die das Stabilitätsfenster schließt; die Rückkehr oder Eskalationsroute, wenn der Versuch scheitert. Halten Sie das Urteil Vokabular klein. Needs human bedeutet, dass Autorität, ein Geheimnis oder eine unwiderrufliche Entscheidung fehlt. Intervention failed bedeutet, dass die genehmigte Maßnahme nicht abgeschlossen ist. Alive only bedeutet, dass die Laufzeit bereit ist, aber keine nützlichen Fortschritte vorliegen. Recovering bedeutet, dass der Fortschritt wieder aufgenommen wurde, während die Ergebnisse oder Stabilitätsprüfung offen bleibt. Uncertain bedeutet, dass entscheidende Beweise fehlen oder veraltet sind. False recovery bedeutet, dass die Frist für das Ergebnis ohne das versprochene Ergebnis vergangen ist. Relapsed bedeutet, dass das ursprüngliche Symptom zurückgekehrt ist. Recovered bedeutet, dass das spezifische Ergebnis der Aufgabe überprüft und das Wiederholungsfenster sauber gehalten wird. Es gibt ehrliche Grenzen. Einige Ergebnisse können nicht deterministisch überprüft werden. Der Kunde hat die Analyse akzeptiert kann eine menschliche Entscheidung erfordern; die Zusammenfassung ist gut kann eine Rubrik benötigen, deren Zuverlässigkeit selbst gemessen wird. Eine Bestimmung kann auch vor Ablauf ihrer Reaktionszeiten eine Nebenwirkung verursachen. Versöhnen Sie sich mit einem Idempotency Schlüssel oder einer unabhängigen Suche, bevor Sie es erneut versuchen. Wenn Beweise den Zustand nicht lösen können, halten Sie die Unsicherheit sichtbar. Sidewisp befindet sich derzeit in einer privaten Vorschauphase. Seine Produktionsüberwachungsadapter, Token Kosten Analysen und die Wiederherstellungserfüllung werden im Allgemeinen nicht versandt. Die beabsichtigte Richtung ist eine gesundheitliche Schicht neben den vorhandenen Laufzeiten, die die Diagnose, die Autorität, die Frische der Beweise, den nützlichen Fortschritt und die Ergebnisüberprüfung explizit macht. Es sollte nicht zu einem obligatorischen Modell Gateway oder zu einem autonomen Fixator werden. Wenn das Betriebsmodell Ihren Agenten passt, Schließen Sie sich der privaten Vorschau an .. Quellen Kubernetes: Lebhaftigkeit, Bereitschaft und Startup Sonden Google SRE Buch: Überwachung verteilter Systeme RFC 9110: HTTP Semantik, 202 Akzeptiert OpenTelemetrie: Spuren