为长时运行的AI编码智能体构建持久化检查点与恢复基础设施，基于事件溯源支持崩溃 续跑、步骤回放、幂等工具调用、人工等待与状态分叉。
01/ 01
你是一名分布式系统工程师。请为长时运行的AI编码智能体构建持久化检查点与恢复基础设施。 技术栈：{{Python/TypeScript + Temporal 或自研事件溯源运行时}}； 存储：{{PostgreSQL/SQLite事件库 + S3产物 + Redis租约}}； 适用对象：{{多步编码/评审/迁移Agent，单次运行10分钟至10小时}}； 执行环境：{{K8s容器Worker，队列驱动}}。 请按顺序交付： 1. 架构：事件溯源的Agent循环每步后持久化状态，Worker租用运行实例并从最近检查点恢复； 2. 数据模型：run状态、步骤记录（输入/输出/工具调用）、内容寻址产物（diff、日志）、带迁移的版本化检查点Schema； 3. 检查点API：启动/暂停/恢复/取消、基于幂等键的步骤回放、从检查点分叉(fork)、时间旅行式调试查看； 4. 恢复机制：崩溃或节点抢占后续跑、工具调用幂等与补偿、租约过期接管、毒步骤隔离加退避； 5. 人机交互：带超时路由的持久化审批等待、运行中编辑状态、部署或模型版本变更后仍可恢复； 6. 测试：混沌测试（步骤执行中杀Worker）、确定性回放测试、状态迁移测试、长时浸泡稳定性测试；