复杂长程任务的工作流：有向无环图 (DAG) 编排与状态机持久化断点续跑

为什么自由放任的“自主 Agent”在严肃工程中无法落地

让大模型完全自主规划并执行几十步长任务（如写一本 10 万字小说或重构复杂工程），常常在第 15 步发生死循环或离题万里。 严肃的企业级工作流系统（如本站内置的小说与分镜工作台），必须采用确定性的有向无环图（DAG）与状态机框架：由人制定严谨的骨架阶段，模型仅在受控的确定节点内发挥创造力。

节点拓扑、上下文级联与持久化快照

工业级工作流编排的三大支柱：

1. 拓扑排序依赖 (DAG Topological Sorting)：Step 2（逐章正文）强依赖 Step 1（世界观细纲 Bible）；Step 3（视频分镜）强依赖 Step 2 的段落上下文；
2. 上下文滚动级联 (Context Cascading)：长序列任务中，只向下游节点传递精炼后的核心上下文，避免爆显存与注意力稀释；
3. 每步状态落库与幂等断点续跑：每个 Step 结束后，立即将数据快照写入数据库 JSON 字段。若网络中断或服务重启，用户随时能够从上次暂停的节点原地继续！

极简 DAG 拓扑执行器模拟

import assert from "node:assert/strict";
function canRun(deps, done) {
  return deps.every(d => done.includes(d));
}
assert.equal(canRun(["step1"], ["step1"]), true);
assert.equal(canRun(["step1", "step2"], ["step1"]), false);

原始资料与溯源链接

• Chen Tech Studio 自动化小说与分镜编排系统：站内基于 DAG 状态机与 SSE 流式打字的生产级工作流参考。

• 权威技术规范与白皮书