业务背景
售后 Agent 进入持续迭代后,平均每周都会调整一次流程:有时增加风控节点,有时调整状态字段,有时收紧枚举值。问题在于,系统里始终有一批在途工单,它们可能停在审批、客户补充材料或 CRM 写入前的等待节点。
之前我们依赖发布前人工评审,结果一次看似普通的改造同时删除旧节点、新增必填字段并收窄枚举值。新工单测试全部通过,但第二天 12 个历史工单恢复时失败。故障不是模型能力问题,而是工作流定义和历史检查点之间的契约没有被管理起来。
架构选型思考
我们评估了三种方案。第一种是继续人工评审,成本最低,但节点名、字段名和枚举值分散在多个文件里,漏检概率很高。第二种是发布前停掉所有在途工单,业务无法接受售后流程长时间等待。第三种是建立 Schema 兼容性门禁,把破坏性变更自动识别出来,再决定是补迁移、保留别名还是阻断发布。
最终选择第三种。CI 同时读取线上不可变版本和待发布版本,对节点集合、必填字段、枚举值、权限范围和工具参数做 Diff。普通新增节点可以放行;删除节点、新增无默认值必填字段、删除历史枚举值则直接阻断。
踩坑与权衡
第一个坑是不能只看新 schema 是否合法。一个新定义可以独立通过校验,却无法读取老检查点。因此门禁必须做“新旧版本对比”,而不是只做单版本校验。
第二个坑是技术兼容和业务兼容要分开。例如旧工单技术上可以加载新流程,但已经通过初审的任务不应被追溯要求补风控。我们在工单启动时写入行为版本,恢复时只读取,不覆盖。
第三个坑是门禁不能替代迁移验证。静态 Diff 能发现风险,但默认值是否正确、节点别名是否能恢复、副作用是否幂等,仍要通过历史检查点回放确认。
数据成果
# 加载当前线上版本和待发布版本
old_schema = load_workflow_schema("v1")
new_schema = load_workflow_schema("v2")
# 对比节点集合,识别删除或重命名后的节点
old_nodes = set(old_schema["nodes"])
new_nodes = set(new_schema["nodes"])
removed_nodes = old_nodes - new_nodes
# 对比必填字段,新增必填且无默认值会破坏旧检查点
old_required = set(old_schema["required"])
new_required = set(new_schema["required"])
added_required = new_required - old_required
# 对比枚举值,删除旧枚举值会让历史数据无法通过校验
old_enum = old_schema["enums"]["risk_level"]
new_enum = new_schema["enums"]["risk_level"]
removed_enum_values = set(old_enum) - set(new_enum)
# 生成结构化兼容性报告
report = build_diff_report(removed_nodes, added_required, removed_enum_values)
blocking_items = [x for x in report if x["severity"] == "block"]
need_migration = len(added_required) > 0 and not has_default(new_schema, added_required)
need_alias = len(removed_nodes) > 0 and has_paused_threads(removed_nodes)
save_gate_report(report)
publish_version(new_schema) if not blocking_items else raise_for_gate(blocking_items)
这套门禁在第一次试运行时识别出 12 个阻断项:5 个通过补默认值解决,4 个通过保留旧节点和版本路由解决,3 个通过枚举映射解决。随后用 50 个真实历史检查点回放,47 个自动恢复,3 个异常任务进入隔离队列,没有出现批量回调失败。
我们重点跟踪四个指标:阻断项数量、历史检查点回放成功率、隔离队列积压、发布后恢复失败数。只看发布次数或接口成功率,无法说明工作流持续交付是否可靠。
行业启发
长任务 Agent 的发布不是替换一个函数,而是在维护一份跨版本的业务契约。Schema 门禁的价值不是拖慢迭代,而是让可兼容变更快速通过,让破坏性变更必须显式选择迁移、别名或排空策略。
我是深圳富贵软件科技的老张,专注AI落地与政企数字化转型。如需技术评估或避坑指南,欢迎私信。
也想听听大家的经验:你们会把工作流兼容性检查放在 CI 阶段,还是发布前由人工统一评审?