用 Hatchet 跑持久代理任务与事件工作流

长任务不该被 HTTP 请求生命周期拖住

AI agent 的一次运行可能包含工具调用、外部 API、重试、人工确认和跨服务等待；如果把它塞进同步接口，网络抖动、进程重启或单个慢步骤都会让整条链路不稳定。这个技能关注持久化代理任务和事件驱动工作流：把任务提交到队列，让 worker 推进状态，并把每一步留痕，便于恢复和排查。

核心能力与工作方式

• queue：把长时间运行的 agent 步骤或后台工作交给 Hatchet，而不是依赖请求内执行。
• retry：对可恢复失败做重试，避免单次瞬时错误中断整条工作流。
• pause / resume：对需要等待外部事件、人工输入或冷却期的步骤暂停并恢复。
• observe：查看任务/工作流推进状态，定位卡在哪一步。
• scale：当任务量增加时扩展 worker，保持吞吐。

使用时先明确任务边界：哪些步骤必须持久化、哪些可以重试、失败后是否需要人工介入。然后用支持的 runtime（如 Python、TypeScript、Go、Ruby）接入 worker，让 Hatchet 负责编排和状态推进。

适用边界与注意点

• 适合 DAG 风格的编排、自己实现 integration/function、且吞吐需求较高（资料提到 >100/s）的场景。
• 本地跑 Hatchet 需要 Docker；生产环境需要可用的 Hatchet workers。
• 不要让 worker 承担业务语义之外的状态管理；重试前要确认操作幂等。
• 如果只是一次性脚本或极低频后台任务，本地脚本可能已经够用。