根据生产反馈更新了 AI 智能体策略边界启动项目——新增幂等性、审计日志与独立校验

几周前，我分享了一个基于 FastAPI/Pydantic 的小型参考实现，其核心理念是：模型可以提出一个操作，但它不应该是批准该操作的权威。这次收到的反馈比我预期的有用得多。有几个人指出，第一版在重试、可审计性以及是否信任模型自评估等方面仍然存在重要的生产缺口。因此我更新了这个项目，新版本增加了： - 基于资源作用域的幂等性，避免重试时意外重复执行同一操作 - 对 ALLOW 决策进行审计日志记录，而不仅仅是升级到人工审批的事件 - 独立校验信号，不再把模型的自我置信度当作权威依据 - 对请求数据、工作器输出和策略决策之间做更清晰的区分 流程现在大致是：任务 → 类型化校验 → 工作器 → 独立校验 → 策略边界 → ALLOW / HUMAN_APPROVAL / HUMAN_REVIEW / REWORK 这个项目仍然是刻意保持小巧的，并不假装是一个成熟的生产级平台。我很想知道那些实际运维过智能体的人接下来会挑战什么。如果只能再加一项生产级控制措施，你会选择哪个：持久化工作流状态、分布式锁、作用域服务身份、回滚/补偿机制，还是其他？我特别希望能听到真实的事故案例：智能体做出了一个“看起来合理”的决策，但周边系统仍然失败了。