一个Agent进程崩了，重启之后还能从刚才停下的地方接着跑，工具结果和流式输出一样不丢。Pi coding agent作者Mario Zechner和Flask作者、Earendil联合创始人Armin Ronacher在一场对谈里，把这件事的做法讲透了。

他们的方案叫Pi Durable，核心思路是把Agent调用模型、执行工具拆成一层「副作用三明治」。

打开网易新闻 查看精彩图片

先记意图，再执行，最后存结果

具体拆成三段。执行前，先在存储里记录这次操作的意图与参数；执行中，借助幂等性保证可以重试，比如给GitHub Actions传一个运行ID；执行后，把结果持久化下来。

因为每一步都可恢复，重启后Agent不会丢失工具结果与助手流式输出。放到Slack机器人场景里，也能保留全部历史，而不必把所有内容都发给模型。

应用状态则用带版本的文档存储保存，可以回到对话的任意时间点，配合JSON patch式的局部更新与代理对象。Mario的说法很直接：想要的是重启进程后，agent能从刚才停下的地方接着运行，这就是持久性。

小Bug可以放手，架构不行

对谈前半段聊的是AI编程的边界。Mario认为小问题可以放心交给Agent，但涉及设计或架构时，Agent只会在代码库某个局部打补丁，让整体更糟。

修Bug往往导致代码量净增，长期会累积bug与错误、损害用户体验。他的判断是：它肯定能解决问题，但几乎不可能在不加代码的情况下把问题修好。

只有终端组件、Docker容器这类「跑通就行、不在乎架构」的层，才适合放手让模型生成。

为什么架构是短板？两人给出的解释是数据问题。网络安全、前端、有现成参照物且能判定对错的任务都容易准备训练数据，但为软件搭架构的讨论几乎不会以文字形式留存。在编程里给一个东西搭架构的过程，是唯一通常不会以文字形式记录下来、让模型从中学习的部分。

结果就是，即使新模型发布、自主权更大，两人对架构产出的满意度反而下降。他们提出的办法是，把架构讨论的交互记录给予更高权重。

有对错判断依据，Agent表现惊人

反过来，只要任务结果只有完成与未完成两种状态，模型能力就显著提升。两人举了一批亲身经历：

  • 逆向分析Java虚拟机原生内存结构
  • 破解国产CarPlay适配器，约500美元后掌控设备
  • 从零写出任天堂DS模拟器
  • 把INI、TOML、CBOR、MessagePack、JSON示例文件交给模型实现序列化库，再做模糊测试，成批暴露问题

Mario把这条经验总结成一句话：如果你有一个能告诉LM他做的对不对的判断依据，那你基本上就赢了。

安全与易用，难以兼得

后半段转向个人Agent的安全与多用户协作。Mario的Agent曾把整个文件系统暴露到公网约一天；多人共享会话还要防范网页界面里的跨站脚本攻击，导致cookie被窃。

内嵌框架等隔离方案会损害体验，服务器端Docker沙箱反而是容易的部分。而跨设备共享状态、信任某个人连接环境等问题，仍无通用解法。真要做一个既能扩展又安全的网页界面，比看起来难得多。

对谈还涉及多人协作与跨设备同步、Agent框架生态比较、PI Mobile与网页插件系统，并批评了AI炒作，以及「把聊天框一放就祝你好运」的用户上手现状。