你的智能体刚刚重试了。它把工作做了两遍吗？

凌晨 2 点，我收到了一条 PagerDuty 告警，原因是一次短暂的数据库错误导致后台任务重复执行。这个工作流此前已经稳定运行了好几周。测试通过了，CI 也全绿。第 2 步提交了一次数据库写入。CDC 捕获了这次已提交的变更，发布了一个事件，消费者处理了它。第 3 步在工作流到达持久化检查点之前失败了。编排器重试了第 2 步。又一次写入提交成功，CDC 再次发布事件，消费者再次处理。三个客户记录处于异常状态，还有一笔费用被扣了两次。仅凭一个 200 状态码，无法判断最终业务状态是否正确，也无法判断某个操作是否只生效了一次。后台任务、CRUD 工作流，以及任何重试已提交步骤可能产生第二次效果的场景，都会出现这种问题。智能体会让问题更严重，因为它们生成并运行这类逻辑的速度很快。幂等键、事务发件箱模式和去重机制，就是为防止这类问题而存在的。验证时要问的是：在这样的故障序列下，这些机制是否真的有效。我正在围绕这类问题的确定性检查构建 FetchSandbox。团队定义精确的规则，比如客户更新只提交一次。在受支持的执行路径上，FetchSandbox 会注入一个受控故障，你观察应用重试，然后读取实际保存的状态。结果会标明通过、失败或未测量。验证缺口会明确列出。工作流发生变化时，再次运行同样的检查。我们希望与设计合作伙伴一起，进一步完善这里涉及的数据库故障注入能力和 CDC 专用技术栈。如果你是工程负责人或工作流开发者，正在处理类似情况，你们团队目前是怎么发现这类问题的？