容错基础设施

一种用于 LLM 故障恢复的轻量级设备代理架构，具备即时检查点和部分拓扑重建能力

在发生故障时，系统化地保全并恢复智能体的对话上下文、记忆状态和推理链

由 AI 驱动的预测系统，在智能体故障发生之前预判故障并实施先发制人的恢复措施

面向智能体间通信故障、消息路由恢复以及协议无关韧性的全面容错机制

一种闭环运维架构，其中智能体负责保持外部系统的健康：检测异常、诊断可能的根本原因、执行受策略约束的修复，然后在闭合回路之前对照可靠性目标验证恢复情况。它通常构建为一支角色专门化的团队（检测者、诊断者、修复者、验证者），在人在回路之上（human-on-the-loop）的治理下运行，由工程师定义策略、护栏和允许的动作集合，而智能体在这些边界内执行并汇报。最小权限授权和策略即代码（policy-as-code）将修复保持在安全范围内，风险较高的动作则需人工审批。与 `predictive-agent-fault-tolerance` 不同：后者维持智能体系统自身的存活，而本模式是智能体对其所运维的外部系统开展可靠性工作。