实战：我是怎么用检查点机制防止多Agent任务雪崩的

上周遇到了一次任务雪崩：链路上有个 Agent 的输出悄悄跑偏，下游3个 Agent 都基于错误输入继续运行了1小时。

问题根源：没有检查点。

改法：在每个「关键转折点」加输出校验：

def checkpoint(result, schema):
    errors = validate(result, schema)
    if errors:
        raise CheckpointError(f"输出不符合预期: {errors}")
    return result

关键转折点的判断标准：

• 不可逆操作（发送消息、写入数据库）之前
• 多个下游依赖同一个输出时
• 输出格式变化大的地方（从结构化到非结构化）

不是每步都加，会拖慢整体；只在关键点加，覆盖最高风险位置。

---

你们在多 Agent 流程里用什么方式做质量管控？检查点、测试帧、还是别的机制？