前一篇處理「Tool Contract：Agent 可以做事，但不能想做什麼就做什麼」，這篇進一步討論「State Persistence：對話斷掉之後流程還在嗎」。共同的量測條件是前後比較的基礎。
設計 session、workflow instance、checkpoint 與 resume；比較 chat history 與 authoritative state。
企業流程通常跨多輪、跨工具，甚至等待數小時的人工作業。需要明確狀態模型，例如 draft → validated → awaiting_approval → executing → completed/failed，並把 state、version 與 correlation id 持久化。
Checkpoint 讓流程在等待或故障後從明確位置續跑，而不是把整段聊天重新丟給 LLM 猜「做到哪裡」。
驗證時先固定環境與輸入，每次只改一個變因，並同時記錄操作方法與判定標準。
這個案例用「中斷並重建 service，再用 run ID 讀回 state 與 trace」檢查執行前後狀態、副作用與 audit event，再決定流程是否通過。
case = {
"action": '中斷並重建 service，再用 run ID 讀回 state 與 trace',
"expected_metrics": ('state equality', 'trace ID', 'resume result'),
}
before = load_state()
result = execute_case(case)
after = load_state()
assert result.final_state in {"SUCCEEDED", "REJECTED", "ESCALATED"}
assert side_effects_match_policy(before, after, result)
assert audit_matches(before, after, result.events)
驗證可從「中斷並重建 service，再用 run ID 讀回 state 與 trace」開始。每個案例都要固定 actor、權限、初始 state、輸入與 policy 版本，再檢查 decision、tool call、資料庫結果與 audit event。只檢查模型最後說了什麼並不足夠，因為流程可能回覆成功，實際上卻沒有提交；也可能回覆失敗，外部副作用早已發生。
這篇優先比較：state equality、trace ID、resume result。正常案例、拒絕案例與故障案例都要納入；符合規則的拒絕本身就是成功結果。遇到 timeout、重試或人工核准時，還要檢查流程能否從明確 checkpoint 繼續，且不會重複執行已完成的副作用。
所有可改變外部狀態的工具都應具備窄介面、輸入驗證、授權、冪等與稽核。高影響且不可逆的動作必須保留明確確認點。發生不確定狀態時，流程應停止並交由人工處理，不能依靠模型猜測先前是否已成功提交。
判讀順序應從最終 state 與外部副作用開始，再回頭閱讀模型訊息與 trace。若文字回覆看似合理，但權限檢查、資料庫狀態或 audit event 不一致，應直接判定流程失敗。相反地，policy 正確拒絕危險要求，即使任務沒有完成，也屬於控制機制成功。
單次流程通過後，還要重播相同 request、製造並行請求並在關鍵步驟中斷。這三類測試能分別檢查冪等、一致性與復原能力，也是 Agent 從展示走向正式流程前最容易被忽略的部分。
判讀不只看最大或最漂亮的數字。這一天真正要回答的是：對話斷線不能讓流程失憶或重做。
如果核心指標改善，但錯誤率、尾端延遲、資源成本或恢復能力變差，這代表取捨，而不是無條件進步。相反地，沒有改善也不是無效結果；至少能排除一條看似合理、實際上不值得增加複雜度的路。
今天的工程判斷是：對話斷線不能讓流程失憶或重做。無論結果支持或否定原本假設，都必須保留完整條件，才能和下一天的實驗串在一起。
下一篇將處理：Policy Engine：把企業規則從 Prompt 裡拿出來。
iThome鐵人賽
看影片追技術