独立参与者之间通过异步消息传递实现的协调
Loading technique guide…
Actor 模型协调一组仅通过异步消息传递通信的独立 actor。每个 actor 封装自身状态与行为，一次处理一条消息，可创建新的 actor，并向已知地址发送消息。监督层级通过隔离与重启处理故障，位置透明性则让分布式部署无需改变消息传递语义。
需要跨大量实体的严格共享内存事务或全局锁的工作负载。
邮箱调度与消息传递开销占主导的单线程超低延迟路径。
简单的 CRUD 服务，同步 RPC 加数据库已足够且更易运维。
缺乏并发/分布式调试与监督经验的团队会迅速积累复杂度。
无限制创建 actor 与邮箱膨胀 → 内存压力与 GC 停顿。
在 actor 内部进行阻塞调用 → 死锁、吞吐崩塌与 SLA 未达标。
假设全系统有序投递；未处理重试与重复。
热点分片键导致倾斜；缺少再平衡；可寻址性设计不佳。
监督不当或回放时副作用非幂等，引发重启风暴。
LLM 令牌量随每条消息的上下文和 actor 跳数增长。使用紧凑模式、摘要以及对外部状态的引用，而非完整对话记录，以控制提示词规模。
限制重试次数并在高置信度时采用提前退出启发式；缓存高频的工具/LLM 结果。
系统资源：为邮箱设上限、限制每分片并行度，并监控事件溯源型 actor 的持久化 I/O。
具备故障隔离的实时协调 (如按会话的聊天/智能体助手、IoT 与设备控制)。
需要有状态、独立工作单元的分布式流处理与流水线。
实体天然映射为 actor 的在线游戏、交易或遥测场景。
监督树与 actor 分片带来韧性与扩展性的大型多智能体系统。