执行生命周期、暂停恢复与保存恢复

可视化边界：状态机图强调运行语义；导出配置时仍需具名 handler / condition。

1. Execution 状态机

如何阅读这张图

cancelled 当前是显式状态常量，但没有对外 cancel() API，这表示状态语义已经存在，公开控制接口还没有开放。
waiting 是“等待外部继续”，不是线程阻塞。

2. `start()` 与 `start_execution()`

flow.start(...) 适合直接等待结果的场景
flow.start_execution(..., wait_for_result=False) 适合长生命周期 execution

3. 暂停、保存、恢复链路

架构思路

save() / load() 恢复的是流程语义状态，不是 Python 协程栈。
所以真正可靠的恢复方式永远是“等待外部事件再继续”，而不是期待某个正在执行的协程原地复活。

4. 中断与恢复

python

interrupt = await data.async_pause_for(
    type="human_input",
    payload={"question": "approve?"},
    resume_event="UserFeedback",
)

后续可通过：

get_interrupt(interrupt_id)
get_pending_interrupts()
continue_with(interrupt_id, value)

恢复执行。

5. `save()` 会保存什么

save() 当前会保存：

execution_id
status
runtime_data
flow_data
interrupts
last_signal
resource_keys
result

不会保存：

运行依赖对象本身
Python 协程栈

6. `get_last_signal()`

last_signal 会记录最近一次被 dispatch 的信号，可用于：

调试
审计
save/load 后判断恢复点

7. 当前最佳实践

长任务优先 start_execution(..., wait_for_result=False)
等外部输入时优先 pause_for()，不要 busy loop
让 state 存恢复状态，让 resources 存运行依赖