我的智能体操作是否需要可逆层？

我们目前使用智能体来处理客户支持工单、发送客户邮件、更新CRM记录、生成财务输出以及在采购工作流中执行操作。随着我们赋予它们更多自主权，我意识到我并不太担心检测它们何时犯错，而是更担心错误执行后会发生什么。假设一个智能体错误地判断客户问题已解决。它关闭了Zendesk工单，更新了CRM，给客户发送了邮件，并触发了另一个下游工作流。我们可能能检测到出了问题。但然后呢？仍然需要有人弄清楚：智能体更改了什么、每个系统的先前状态是什么、它的操作是否触发了其他操作、什么可以实际撤销以及按什么顺序撤销所有需要撤销的操作。目前，这个恢复过程感觉极其手动。我的工程师要花几个小时处理。我们有日志、跟踪、评估和防护措施，但这些大多似乎用于理解或防止故障。它们并没有真正帮助我将系统恢复到智能体搞砸之前的状态。这让我想知道：我们是否需要一个层，能够直接撤销错误的智能体操作？类似于记录智能体操作前的状态，并在操作错误时提供一种方式跨不同系统回滚它的所作所为。或者这是过度设计？对于在生产环境中运行实际操作的智能体团队，你们目前是如何处理这个问题的？你们是否：为每个集成构建自定义回滚逻辑？对于任何不可逆的操作让人类参与其中？使用快照/事件溯源？在操作最终确定之前延迟它们？还是只是在出错时手动修复？我特别好奇一旦智能体开始执行数百或数千个操作而不仅仅是少数几个时，这是否会成为一个严重问题。我很想听听人们在生产中实际在做什么，因为我试图弄清楚是否需要专门的可逆层，或者是否有更简单的解决方案我错过了。感谢大家的帮助！