从创建到完成的8种状态、心跳检测、僵尸回收与启动恢复
AgentTask 状态机
═════════════════
┌──────────┐
创建任务 → │ PENDING │ 等待线程池调度
└────┬─────┘
│ 线程池开始执行
▼
┌──────────┐
│ RUNNING │ 正在执行
└──┬──┬──┬─┘
│ │ │
┌───────────┘ │ └───────────┐
│ │ │
▼ ▼ ▼
┌──────────┐ ┌──────────────┐ ┌──────────┐
│COMPLETED │ │WAITING_APPROVAL│ │ FAILED │
│(成功完成)│ │(等待人工审批) │ │(执行失败)│
└──────────┘ └──────┬───────┘ └────┬─────┘
│ │
用户审批结果 可重试?
┌───┴───┐ │
▼ ▼ ▼
APPROVED REJECTED ┌──────────┐
│ │ │ RETRY │
│ │ │(重试中) │
▼ │ └────┬─────┘
回到RUNNING │ │
│ └──→ 回到RUNNING
▼
┌──────────┐
│CANCELLED │
└──────────┘
超时 → TIMEOUT
熔断 → CIRCUIT_OPEN
AgentTaskLifecycleService 架构:
┌────────────────────────────────────────────────────────┐
│ AgentTaskOrchestrator │
│ (任务调度中心) │
└────────────────────────┬───────────────────────────────┘
│
▼
┌────────────────────────────────────────────────────────┐
│ AgentTaskLifecycleService │
│ (生命周期管理门面) │
│ │
│ · createTask() 创建并持久化任务 │
│ · updateStatus() 状态转换 (原子CAS) │
│ · saveCheckpoint() 保存Graph执行快照 │
│ · restoreCheckpoint() 恢复中断的执行 │
└────────┬───────────────────────────┬───────────────────┘
│ │
▼ ▼
┌──────────────────┐ ┌──────────────────────┐
│ AgentTaskRecord │ │ HeartbeatManager │
│ (数据库持久化) │ │ (心跳检测) │
│ │ │ │
│ · taskId │ │ · 每10s发送心跳 │
│ · agentId │ │ · 30s无心跳=僵尸 │
│ · userId │ │ · 僵尸→标记TIMEOUT │
│ · status │ └──────────────────────┘
│ · createdAt │
│ · completedAt │ ┌──────────────────────┐
│ · retryCount │ │ TaskScheduler │
│ · errorMessage │ │ (定时任务) │
│ · checkpoint │ │ │
└──────────────────┘ │ · 启动恢复: 恢复断电前│
│ 的RUNNING任务 │
│ · 重试扫描: 每15s │
│ · 清理: 每天3AM │
└──────────────────────┘
心跳检测机制: 正常流程: ┌──────────────────────────────────────────┐ │ Agent执行线程 │ │ │ │ [10s] 心跳 → [10s] 心跳 → [10s] 心跳 │ │ ↑ ↑ ↑ │ │ └───────────┴───────────┘ │ │ 后台线程每10s更新 lastHeartbeat │ └──────────────────────────────────────────┘ 异常流程 (僵尸任务): ┌──────────────────────────────────────────┐ │ Agent执行线程 │ │ │ │ [10s] 心跳 → [10s] 心跳 → ✗ 无心跳 │ │ │ │ │ 30s无心跳 │ │ │ │ │ 检测到僵尸 │ │ │ │ │ status → TIMEOUT │ │ 释放信号量 │ │ 记录错误日志 │ └──────────────────────────────────────────┘
处理"SSE超时但LLM仍在运行"的边界场景：
延迟响应保存: 场景: SSE超时(120s)，但LLM在第130秒才完成 ┌──────────────────────────────────────────────┐ │ T=0s 客户端发起请求 │ │ T=120s SSE活动超时 → 客户端断开 │ │ T=130s LLM仍在运行，最终生成完整响应 │ │ ↓ │ │ DelayedResponseEvent 发布 │ │ → DelayedResponseSaver 接收 │ │ → 保存完整响应到数据库 │ │ → 用户下次打开对话可以看到完整回答 │ └──────────────────────────────────────────────┘
status.compareAndSet(RUNNING, COMPLETED) 如果当前状态不是RUNNING就会失败，避免了并发下的状态混乱。