长批次任务可能因断网、限流、程序退出或机器重启中断，需要从设计上支持恢复。这个问题看似属于技术选择，真正落地时却同时影响流程与责任。 实际操作中，建议把注意力放在这四处： 1. 为每个任务和子项分配唯一编号。 2. 完成一项就持久化状态与原始结果。 3. 启动时识别未完成项并从断点继续。 4. 对重复提交使用幂等检查避免重复计费。 本题最需要警惕的是：只在全部完成后导出一次结果，中途任何异常都可能丢失已经获得的数据。它会让使用者难以区分系统判断与已确认事实，责任边界也随之模糊。 是否可用应通过一组提前冻结的样本来判断。模拟进程强制关闭、网络超时和重复启动，确认结果不丢失、不重复，并能说明失败原因。除了顺利完成的常规样本，还应加入资料不全、输入矛盾、权限不足或服务异常等边界情形。出现偶发错误时先复现条件，不要只通过提高重试次数掩盖问题。 最终负责人要对业务结果负责，不能把模型输出当作免责理由。断点续跑不是额外功能，而是批量AI系统面对真实网络环境的基本能力。 本文在提纲整理和初稿撰写中使用了AI辅助，发布前已人工复核事实与表达。