\n\nTemporal 在 Replay 2026 大会推出了 Serverless Workers、独立活动及工作流流功能，旨在通过其 Durable Execution 平台提升 AI 应用的可靠性与可观测性，并深化与 OpenAI 的合作。
译自：Temporal reveals a serverless option for its Durable Execution platform
作者：Chris J. Preimesberger
我们都曾梦想过在所做的每件事上都有安全保障——比如在城市交通中远离违章驾驶员、避免疾病，并确保我们吃的食物不会让我们生病。现在，软件开发中出现了实时护栏，可以确保所有代码都能正常工作且永不崩溃，无论其状态如何。
Durable Execution (持久执行) 是一种软件开发框架，它通过自动持久化代码状态使代码具有容错性，允许长时间运行的进程在崩溃、网络故障或重启后，从中断的地方精确恢复。它通过记录步骤将脆弱的代码转换为防崩溃的工作流，在无需手动编写错误处理逻辑的情况下确保可靠性。AI 可能会出错，而这些基础设施护栏为生产环境的高效运作提供了必要的基石。
在 AI 驱动的应用、大中小语言模型以及日益沉重的生产负载时代，这种 IT 基础设施领域的相对较新的创新正迅速成为首选的解决方案。它就像在企业 IT 系统所有的计算活动之下，时刻铺设了一张完全值得信赖、富有弹性的救生网。
“生产级应用需要一定程度的韧性、扩展性和可观测性。”
——Temporal CTO Maxim Fateev
在本周于旧金山举办的 Replay 2026 大会上，Temporal 联合创始人兼 CTO Maxim Fateev 将安全作为一个关键信息。
“生产级应用需要一定程度的韧性、扩展性和可观测性，”Fateev 在这场吸引了 2,000 多名开发者的会议上说道。“我们发明了这种新的抽象，在这种抽象中，我们始终保留代码执行的完整状态。这意味着如果任何进程崩溃或发生其他类型的故障，复活的进程将以相同的状态执行并在此后继续执行。”
“例如，你可以编写一个运行一年的函数，我们可以保证这个函数不会消亡，因为我们始终保留它的状态。”
Temporal 成立于 2019 年，基于最初在 Uber 开发的开源 Cadence 工作流编排引擎，目前正在快速增长，拥有超过 1,500 家付费客户（包括 Nvidia、Netflix、Snap 和 Stripe）以及数万名开源用户。
常见使用案例
- 订单处理/电子商务： 一个多步骤的购买流程（库存检查、支付、发货），即使应用服务器在处理过程中重启，也能正确完成。
- 长时间运行的数据管道 (ETL)：处理大型数据流，其中单个步骤可能会失败或需要数小时才能完成。
- 智能体 AI 工作流： 复杂的 AI 智能体操作，涉及多个步骤、数据库读取和可能持续几分钟或几小时的外部 API 调用。
- 分布式事务 (Saga 模式)：协调分布式微服务，如果某一步骤失败，系统将为之前的步骤运行补偿逻辑。
关于 Temporal 的核心事实
- Temporal 忽略业务错误： Temporal 只处理 基础设施 或 平台 故障（如进程崩溃）。业务逻辑错误（如账户余额不足）仍由开发者处理。
- 它基本与 AI 无关： Temporal 没有任何特殊的 AI 功能。它只是让 任何 应用程序，包括 AI 应用程序（如智能体循环或 LLM 生成的代码），变得持久耐用。对 Temporal 而言，AI 代码仅仅是代码，而它能让其变得可靠。
- LLM 代码契合 Temporal： LLM 非常擅长编写业务逻辑，但由于它们不擅长使代码具有可扩展性和韧性。Temporal 是 LLM 生成代码的理想目标平台，因为它解决了所有韧性问题。
- 谁在使用它？ 所有人，从微型初创公司到巨大的超大规模企业，以及银行等传统客户。HashiCorp 和 DataDog 是基础设施自动化领域的知名用户。
- 商业模式： Temporal 以基于消耗的模型提供云端/SaaS 后端集群托管服务。公司保证开源模型与云版本之间的完全兼容性。这反映了公司的信念：每位工程师都应该能够获得构建成功、可靠代码所需的工具。
来自 Replay 2026 的新闻
这家总部位于西雅图的公司在会议上宣布了一些 IT 管理员和开发者会感兴趣的创新消息。
Temporal 的 Serverless Workers 使用户能够在 AWS Lambda 等无服务器计算平台上运行标准的 Temporal Worker。Fateev 表示，无需预置服务器，无需扩展集群，也无需为闲置计算付费。当任务到达时，Temporal 会调用 Worker，任务完成后，Worker 就会关闭。
Serverless Workers 使用与传统长寿命 Worker 相同的 Temporal SDK（软件开发工具包）。用户以相同的方式注册工作流和活动。区别在于生命周期：Temporal 不再运行长寿命进程，而是在任务到达时按需调用 Serverless Worker。Worker 启动、轮询可用任务、处理任务，并在任务完成后退出。
欲深入了解无服务器调用的工作原理，请点击此处。
在开场演讲中，联合创始人兼 CEO Samar Abbas 介绍了用于实时可观测性的 Workflow Streams 以及用于持久任务处理的 Standalone Activities，两者都旨在帮助开发者可靠地将 AI 系统投入生产。
Abbas 还描述了与 OpenAI 建立合作的可能性。该公司的应用基础设施副总裁 Venkat Venkataramani 在台上解释说：“Temporal 的持久编排框架对于处理我们大规模、复杂的智能体工作流、基础设施控制平面和数据管道至关重要，这加强了该平台对于下一代 AI 产品的重要性。”
Standalone Activities (独立活动) 允许 Temporal Activity 独立运行，而不仅仅是作为工作流内部的步骤。Standalone Activities 让用户能够提高任务处理的持久性和可调试性，并通过采用用户已熟悉的相同模型来消除复杂的队列和重试逻辑。当用例超出单个步骤时，开发者可以在工作流中直接利用该活动，无需重写。
Standalone Activities 现在已在 Go、Python 和 .NET SDK 中提供公开预览版，并在 Java 和 TypeScript SDK 中提供预发布版，且 Temporal Cloud 已支持该功能。
Workflow Streams (工作流流)：这是使用 Temporal 的 Signal & Update 原语的持久流。这些是与运行中的工作流进行交互的机制。Signal 是异步、可靠的消息，用于向工作流发送数据而无需等待响应。Update 是同步、阻塞调用，允许更改工作流状态并接收返回值，取代了复杂的 Signal/Query 模式。
通过 Workflow Streams，用户可以获得令牌批次和应用级更新，以支持响应式 UI、实时监控和护栏。Workflow Streams 旨在实现实时用户输出，同时保留 Temporal 的可靠性模型。该功能目前处于公开预览阶段。全 工智能
