# Твои агенты без состояния. Поэтому они умирают. На твоём ноуте агент проходит путь от начала до конца за один заход, и проблемы ты не видишь. Прод — это длинный многошаговый процесс на инфраструктуре, которая перезапускается, ловит таймауты и падает на полпути, — а агент держал весь свой прогресс в памяти. «Agentic reckoning» 2026-го — это открытие, что сбой не в модели, а в рантайме. Починка старая и скучная: durable execution. Вот честная версия. - **Author:** Фёдор Чищин - **Published:** 2026-06-04 - **Tags:** architecture, agents, methodology - **Source:** https://fedorthinks.com/ru/blog/stateless-agents-die --- На твоём ноуте агент проходит от начала до конца за один заход, и проблемы ты не видишь. Думает, зовёт пару инструментов, завершается, готово. Выглядит надёжно. Прод — другой зверь. Там агент — длинный многошаговый процесс на инфраструктуре, которая перезапускает деплои, убивает контейнеры, жрущие слишком много памяти, и рвёт соединения по таймауту — рутинно, как факт жизни. А типичный агент держит весь свой прогресс в одном месте: в памяти. Так что в тот миг, когда процесс моргнул, пятьдесят шагов дорогой работы испаряются, и агент начинает с нуля. Сделай так на сценарии, который идёт часами, — и он может не закончиться вовсе. ## Расплата: дело в рантайме, а не в модели У этого осознания теперь есть имя. VentureBeat назвал это [«agentic reckoning»](https://venturebeat.com/resources/the-agentic-reckoning-enterprise-ai-organizations-have-a-runtime-problem-not-a-model-problem), и тезис точен: предприятия обнаруживают, что **точка отказа — не рассуждение модели, а рантайм.** Агенты, склеенные из «Python-скриптов, цепочек LangChain, ad hoc оркестрации», не переживают прод не потому, что они не умные, а потому, что они _без состояния_ — у них нет долговечной памяти о том, что они уже сделали. Одно описание операционной реальности предельно прямое: перезапуски контейнеров стирают контекст, а у долгоиграющих агентов (дольше четырёх часов) системы без персистентности состояния несут [**на 90% более высокий риск тотального отказа задачи**](https://www.indium.tech/blog/7-state-persistence-strategies-ai-agents-2026/) из-за таймаута или сбоя инфраструктуры. Вот что упускается в каждом споре «достаточно ли умна модель». Твой агент умирает не потому, что не может рассуждать. Он умирает, потому что это скрипт, прикидывающийся системой, на инфраструктуре, которой плевать, насколько он умён. ## А теперь это ещё и денежный костёр Раньше отсутствие состояния стоило тебе только времени. В 2026-м оно стоит сверху ещё и [токенового счёта](/blog/the-token-bill-came-due). Когда 100-шаговый агент падает на шаге 47 и стартует с шага 1, ты теряешь не только время — ты заново платишь за все токены, которые шаги с 1-го по 47-й уже сожгли, а потом жжёшь их снова. Долгоиграющий агент без состояния — это проблема надёжности и проблема контроля затрат в одном пальто. Дорогая часть работы — ровно та, что ты постоянно выбрасываешь и переделываешь. ## Починке снова сорок лет Лекарство — не модель поумнее и не промпт похитрее. Это **durable execution** (долговечное исполнение), и это та же идея, что десятилетиями крутит банковские пакетные задания и пайплайны заказов: сохраняй каждый шаг по мере выполнения, а когда процесс падает — возобновляйся с места остановки, а не с начала. [Temporal](https://temporal.io/), самый известный движок для этого, описывает модель чисто: он записывает каждый шаг воркфлоу как неизменяемую историю событий, так что [если процесс падает на шаге 47 из 100, он переигрывает лог и возобновляется с шага 48 — а не с шага 1](https://effloow.com/articles/temporal-ai-agents-durable-execution-guide-2026). Агент получает память о собственном прогрессе, переживающую падения, перезапуски и передеплои. Это не новинка; это checkpointing, саги и идемпотентность — сантехника любой серьёзной долгоиграющей задачи. Как сказал один инженер, агентные воркфлоу просто [заново открывают durable execution](https://nittikkin.medium.com/agent-workflows-are-rediscovering-durable-execution-be110661ed8c). Рынок согласен, что это несущая конструкция: Temporal поднял [раунд на $300M при оценке $5B в начале 2026](https://thenewstack.io/temporal-replay-2026-news/), а LangGraph и Vercel Workflows наперегонки добавляют те же гарантии. ## Честный подвох Durable execution необходим, а не волшебен, и есть тонкость, которую надо уважать, иначе она тебя укусит. Replay работает так: он заново прогоняет твой воркфлоу и переиспользует записанный в журнал результат каждого уже сделанного шага. Но **вызов LLM недетерминирован** — запусти его дважды и получишь два разных ответа. Так что нельзя просто дать replay перезапустить его. Каждый вызов модели (и каждый вызов инструмента с побочным эффектом) надо обернуть как записанную [«activity», чей результат журналируется на первом прогоне и никогда не исполняется заново на replay](https://nittikkin.medium.com/agent-workflows-are-rediscovering-durable-execution-be110661ed8c). Ошибись с этой границей — и твоё «восстановление» тихо сделает работу — и выставит тебе счёт — дважды. Это настоящая инженерия, а не библиотека, присыпанная сверху. ## Суть Агент в проде — это длинный распределённый процесс. Я уже [доказывал](/blog/orchestration-is-the-architecture), что мульти-агентная система — это распределённая система и падает как она; здесь та же правда на уровень ниже. Относись к агенту как к долговечному, возобновляемому процессу, которым он должен быть, — сохранённое состояние, идемпотентные шаги, восстановление, которое ты реально протестировал, — или прими, что каждый перезапуск контейнера отправляет его в ноль. Твой агент падает не потому, что недостаточно умён. Он падает потому, что у него нет памяти о том, что он уже сделал, а инфраструктура, на которой он живёт, будет снова и снова выдёргивать у него ковёр из-под ног. Дай ему долговечное состояние — или смотри, как он умирает на шаге 47, снова и снова, каждый раз платя полную цену.