完成「Idempotency:Agent 重試一次,為什麼不能執行兩次」後,下一個問題是「Concurrency:兩個 Agent 同時搶同一個資源會怎樣」能否重跑、否定並留下失敗原因。這就是今天的範圍。
以 transaction/locking/unique constraint 等方法處理競爭,證明「Agent 很聰明」仍無法取代一致性控制。
兩個 Agent 同時看到「資源可用」後,各自推理都正確,仍可能在 commit 時造成 double booking。這是 concurrency control,不是 prompt 問題。
正確做法是在 database transaction/constraint 層保證不變量,必要時用 optimistic locking、unique constraint 或 row-level lock。LLM 做決策,database 保證一致性;兩者責任不能顛倒。
兩個 Agent 即使都做出「合理決策」,仍可能同時搶到同一資源。可用 transaction、locking、unique constraint 或 optimistic concurrency 重現 race condition,先展示錯誤,再展示資料庫層如何保證最後只有一筆有效結果。
這個案例用「兩個 thread 同時爭用同一資源」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": '兩個 thread 同時爭用同一資源',
"expected_metrics": ('success/conflict count', 'database state', 'audit'),
}
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「兩個 thread 同時爭用同一資源」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:success/conflict count、database state、audit。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:availability check 不能取代 commit 時的原子約束。
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:availability check 不能取代 commit 時的原子約束。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:Transaction Boundary:Reasoning 與 Commit 不應該混在一起。