https://x.com/i/article/2109578276763222016

【X 长文】Agent 崩溃后接着干活，靠的是一个「副作用三明治」

你的 Agent 正在改一个卡了很久的 bug，就差最后一步。然后进程挂了。重启之后它一脸茫然：干到哪了、拿到了什么结果，全没了，一切从头再来。

把 agent 跑在生产里的人，都做过这个噩梦。2026 年，全行业卷的方向是让模型更聪明，Pi 的作者 Mario Zechner 和 Flask 的作者 Armin Ronacher 盯的却是另一件事：让 agent 摔不死。如果你熟悉 OpenClaw，那你已经见过 Pi 了，它就跑在 OpenClaw 底下。

这场访谈信息量大得离谱：一个叫「副作用三明治」的土办法、一个 AI 为什么学不会做架构的观察、几个像科幻片的黑客故事。

重启，不等于重来

持久性这个词听着玄，Mario 的解释很朴素：agent 在一个进程里启动，调用工具，然后进程挂掉。你要的效果，是重启之后它从刚才停下的地方接着跑，工具结果不丢，助手吐出的内容不丢，应用状态也能可靠恢复。

为什么现在非做不可？因为 agent 越跑越久。Pi 以前把一整段对话都装进内存，可要是把机器人放进 Slack 里呆上几年，历史消息是海量的，全发给模型不现实，但一条都不能丢。需求还在变多，主持人想把会话挪到任意设备上，还想让太太用上 Hermes，「这样我们协调事情的时候能少出点问题」。Pi Durable 本身很轻，Cloudflare、笔记本、手机都能跑。

一个三明治，接住每一次崩溃

Mario 给这套做法起了个很好记的名字：副作用三明治。任何一次操作，都分三层。

第一层，动手之前先把「我要执行这个操作、用的是这些参数」写进存储，等于先立个字据。下一秒进程就算崩了，重启后看到字据照做一遍就行，输入早就验证好了。

第二层是真正执行这个操作，也就是副作用，这层最容易出事。你给 GitHub 发请求说「帮我构建这个提交」，刚发出去进程就挂了，到底触发没触发？这时候就得靠幂等兜底。先申请一次运行、拿到 ID 存下来，再拿着 ID 去启动；GitHub 说它已经在跑，你就安心等结果。Mario 的补充很狠：「从你的信用卡扣款，我可不想扣两次。」

第三层，结果一回来就存档。字据、执行、存档，三片面包合上，进程不管在哪层猝死，重启后都能把这个操作补完。在 Pi Durable 里，连「让模型生成回答」都是个三明治：先记下上下文和参数，调模型，再把回答存好；工具调用同理，任务还能互相嵌套。Mario 说：「这就是全部的秘诀，就这么多。」

他们甚至绕开了主流解。行业里恢复运行的常用方案叫事件溯源，把每一步记成事件流、靠回放还原现场，他们不用，理由只有一句：问题太多。应用状态另起炉灶，攒了个带版本的文档存储：比如一份待办清单，随对话不断变化，你可以要「对话走到某一步时的那一版」，也可以要「不管走到哪了，给我最新的那版」。Armin 做了二十来年网页开发，最意外的反而是：嵌套数据的结构化更新，到今天都没有公认的标准。

小修小补交给它，架构得人来扛

那 agent 到底能替人干多少活？答案很分裂。小的、局部的、有明确对错的活儿，放心交。Mario 连 Pi 里 Markdown 组件的代码都一行没看过，「写成什么样我根本不在乎，只要能用、测试过得去」。可一碰到设计和架构就不行了。他的形容很损：它只会在你代码库的某个局部拉一坨屎，把事情搞得更糟。

而且模型越强，两位的不满反而越多。Armin 说得很直接：给它的自主权大了很多，交出来的结果就更差。他有个硬标准，修一个 bug，代码量不该净增加，旁边 Mario 立刻拆台：「这话居然是那个老发 205 处改动 PR 的人说的。」

AI 缺的那堂课，人类从没写过笔记

为什么偏偏卡在架构上？Mario 有个全场最锋利的解释。凡是有对错参照物的任务，数据要多少有多少，网络安全、模拟器、前端都是这类，模型进步飞快。但有一个例外：「给一个东西搭架构的过程，是编程里唯一通常不会以文字形式记录下来、让 LLM 从中学习的部分。我觉得这就是我们卡在这里的原因。」

一个系统为什么长成现在这样，哪次讨论里谁反对、为什么最后走这条路线，全在人的脑子里和会议室里，会开完就散了。Armin 顺着开了个行业级玩笑：那以后把会议全录下来，让倒闭的创业公司把录音卖给模型实验室。Mario 的加价更狠：我们要把白板卖给 OpenAI，两百万美元。

笑归笑，卡点是真的。Armin 连 Pi Durable 都算不清花了多少钱、迭代了多少轮，训练时更没法标注「哪一次对话最终诞生了发布出去的那一版」，数据里没有这个信号。而大实验室攥着几辈子用不完的对话记录，Mario 的说法是：「据我私下听来的消息，他们还没在搞任何复杂的玩意儿。」

连 JVM 都黑进去了

别误会，这两位比大多数人更清楚 AI 有多能干。Mario 讲了个像吹牛的故事。他以前给一个 Java 虚拟机做了严密防护，字节码不容易提取、也不容易注入，理论上只有一个没人能发现的突破口。结果 AI 直接逆向了 JVM 内部的原生数据结构，读进程内存，再把结构一处处对回 Java 的表示。「全世界没有哪个搞逆向工程的人能做到那个程度，尤其不可能在这么短的时间里」，他的补充是四个字：像科幻片。

Armin 的故事更接地气：一个 CarPlay 适配器，AI 自己搞懂了解密，还在网页后台翻出一个能绕开限制的 CGI 文件，「花了大概 500 美元，整个东西就归我掌控了」。这类任务的共同点是结果可判定，而一旦可判定，它就像给测试加了火箭燃料。Armin 让 AI 一口气把 ini、toml、json 等格式的序列化库写完再做模糊测试，找出来的问题一直修，修到「你得花好几个小时才能再挖出一个」才算完。

但同一个能力的反面就是事故。主持人前几天才发现，他的 agent 想给另一台设备传文件，顺手把他整个文件系统暴露在公网上，挂了差不多一天。多人共享环境更麻烦：agent 生成的界面里可能直接躲着一个跨站脚本攻击，偷走你的 cookie。Armin 的原话是，「在服务器上拿 Docker 做沙箱，反倒是最容易的部分。」

最后一道关，是带新人上车

聊到最后，主持人问接下来最期待什么，答案恰好是行业最缺的那一块。Mario 说，最难也最没人解决的事，是让没用过 agent 的人真正用起来。「大家就是给你在侧边栏放个聊天框，然后祝你好运，自己搞明白吧。」他觉得这蠢透了。

他自己家里倒先跑通了：太太用 Claude 做语言学研究，四岁的孩子给妈妈写了个游戏当生日礼物。Armin 的愿望最直接：少一点炒作，把技术用在真东西上，「给我弄个常温超导体，或者治癌症的药」。Mario 的样板则是：PS5 模拟器被这帮铁皮家伙攻下来了，而这甚至算对社会的贡献，能把今天的游戏保存下来，留给未来。

一个多小时聊完，没有宏大叙事，就是让崩溃变得无所谓的三明治、一份带版本的文档存储、一套一万两千行的骨架。用 Mario 的话说，秘诀就这么多。真正难的还在后头：怎么让每个还没用过 agent 的人，迈出第一步。

更多硬核播客内容：Podwise