Chronicle 把模型与工具边界记录为不可变 envelope，并在回放时固定其中一部分、让另一部分用新代码实时执行。这个 cut-point replay 能把非确定性的 agent 事故变成 CI 回归测试。在 6 个已记录故障上，完整回放不调用模型，连续 20 次结果保持 bit-stable；cut-point 测试也能在全部案例中区分故障、已加护栏和无害变更。实现与 benchmark 已公开。
Chronicle 把 agent 故障运行变成确定性回归测试
2026-09-18前沿观察TRIAL
Chronicle 把模型与工具边界记录为不可变 envelope，并在回放时固定其中一部分、让另一部分用新代码实时执行。这个 cut-point replay 能把非确定性的 agent 事故变成 CI 回归测试。在 6 个已记录故障上，完整回放不调用模型，连续 20 次结果保持 bit-stable；cut-point 测试也能在全部案例中区分故障、已加护栏和无害变更。实现与 benchmark 已公开。
可用状态：代码与 benchmark 公开
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
对运行 tool-using agent 的团队来说，trace 可以从被动观测记录变成可执行测试。当前 benchmark 只有 6 个案例，更合适的下一步是挑一个代价高的真实事故做 POC，而不是直接全面采用。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 方法 | 不可变边界 envelope + cut-point replay |
|---|---|
| Benchmark | 6 个带模拟模型边界的已记录故障 |
| 完整回放 | 零模型调用；20 次重复 bit-stable |
| 记录开销 | 每次边界跨越 23 微秒 |
| 可用性 | 代码与 benchmark 公开 |
技术影响 4
工程价值 5
采用信号 1
成熟度 2
验证成本 2
风险 2