重试bug修复

README.md

@@ -64,7 +64,7 @@ packaging/
 - 实现 `config.txt.example` 风格和 JSON 风格参数读取。
 - 实现 fake 全局流程和完整部署流程，便于不触碰真实环境地验证 Agent 路由。
 - 实现逐 IP 处理骨架：升级、轮询、启动、校验、日志下载。
-- 实现单 IP 失败后暂停并保留失败 action，修复后 `resume` 会从失败 action 重试。
+- 实现 action 失败或审核阻断后暂停并保留当前 action，修复后 `resume` 会从当前 action 重试。
 - 回滚已从主 workflow 中拆出，改为 chat/CLI 的显式 `rollback` 命令；旧 `confirm` 入口仅作为兼容保留。
 - 实现 checkpoint 自动保存和 `resume` 续跑：全局步骤、成功 IP、单 IP 已完成 action 会跳过。
 - 实现 LLM structured output 骨架：意图识别、参数抽取、部署计划生成。
@@ -82,7 +82,7 @@ packaging/
 - chat 在开发环境和默认发布包中都会优先启用 `rich` / `prompt_toolkit`；如果增强输入初始化失败，会自动降级到普通 `input()`。
 - chat 执行前会归一化参数并展示实际写入脚本配置的值；`script_only` / `hybrid_node_mcp` 会提前检查 `ZIP_FILE_PATH` 是否存在。
 - chat 执行中会播报每个 action 的开始、完成或失败；action 执行失败会停在当前 checkpoint，不再误报 LangGraph 不可用。
-- 每个 action 完成后都会进入一次 LLM/规则审核；如果审核建议停止，流程会暂停并给出建议，等待用户 `resume`。
+- 每个 action 完成后都会进入一次 LLM/规则审核；只有审核通过才会把 action 记为 completed，如果审核建议停止，流程会暂停并等待用户 `resume` 重试当前 action。
 - `--analyze-actions` 和 `llm action-analysis on` 改为只控制是否把详细审核结果写入 `events`，不再控制审核是否执行。
 - chat 会播报 action 审核开始、审核完成和审核失败，避免黑盒执行。
 - chat 支持执行中按 `Ctrl+C` 中断，保存 checkpoint 后再 `resume`。
@@ -299,7 +299,7 @@ PAM> resume
 PAM> exit
 ```
 
-`chat` 默认仍要求在会话内显式输入 `run`，并确认参数、目标 IP 范围和最终执行后才会执行 action。输入 `你好`、`hello` 这类问候不会触发 LLM/结构化分析；需要分析部署需求时可直接描述部署任务，或显式使用 `analyze <需求>`。每个 action 完成后都会自动进入一次 LLM/规则审核，并播报审核开始/结束；如果审核建议停止或审核本身失败，流程会暂停并输出建议，等待用户决定是否 `resume`。逐 IP action 失败时也会暂停，修复外部环境后输入 `resume` 会从失败 action 重试；如果确实需要回滚，使用 `rollback [IP]` 显式执行。`llm test [文本]` 可测试当前 LLM client 是否可用。`--analyze-actions` 仅控制详细审核结果是否写入 `events`。执行中可按 `Ctrl+C` 中断，chat 会保存当前 checkpoint 并把流程标记为 `user_interrupted`。`set KEY=VALUE` 和 `load params <路径>` 会把更新同步到当前运行 state、`config.txt` 和 checkpoint。`chat` 也支持 `--llm-base-url` / `--llm-api-key` / `--llm-model` / `--llm-action-analysis-prompt-file`、`--mcp-config` 和 `--analyze-actions`。
+`chat` 默认仍要求在会话内显式输入 `run`，并确认参数、目标 IP 范围和最终执行后才会执行 action。输入 `你好`、`hello` 这类问候不会触发 LLM/结构化分析；需要分析部署需求时可直接描述部署任务，或显式使用 `analyze <需求>`。每个 action 完成后都会自动进入一次 LLM/规则审核，并播报审核开始/结束；只有审核通过才会把 action 记为 completed；如果审核建议停止或审核本身失败，流程会暂停并输出建议，等待用户决定是否 `resume` 重试当前 action。逐 IP action 失败时也会暂停，修复外部环境后输入 `resume` 会从当前 action 重试；如果确实需要回滚，使用 `rollback [IP]` 显式执行。`llm test [文本]` 可测试当前 LLM client 是否可用。`--analyze-actions` 仅控制详细审核结果是否写入 `events`。执行中可按 `Ctrl+C` 中断，chat 会保存当前 checkpoint 并把流程标记为 `user_interrupted`。`set KEY=VALUE` 和 `load params <路径>` 会把更新同步到当前运行 state、`config.txt` 和 checkpoint。`chat` 也支持 `--llm-base-url` / `--llm-api-key` / `--llm-model` / `--llm-action-analysis-prompt-file`、`--mcp-config` 和 `--analyze-actions`。
 
 ## 日志
 
@@ -332,7 +332,7 @@ fake 完整部署流程验证：
 python -m pam_deploy_graph.cli run-deploy --config doc_scripts/config.txt.example --strategy fake --checkpoint runtime/checkpoints/demo.json --confirm
 ```
 
-如果某个 IP 失败，流程会保存 checkpoint 并暂停；修复外部环境后可直接续跑，Agent 会从失败 action 重试：
+如果 action 失败或审核阻断，流程会保存 checkpoint 并暂停；修复外部环境后可直接续跑，Agent 会从当前 action 重试：
 
 ```bash
 python -m pam_deploy_graph.cli resume --checkpoint runtime/checkpoints/demo.json --confirm

docs/current_logic_flow.md

@@ -116,8 +116,8 @@ flowchart TD
     E -- 否 --> G[RuleBasedLlmClient 本地规则审核]
     F --> H{should_continue}
     G --> H
-    H -- true --> I[继续后续 action]
+    H -- true --> I[标记 action completed 并继续后续 action]
-    H -- false --> J[暂停流程并写入 review_context]
+    H -- false --> J[不写 completed，暂停流程并写入 review_context]
     J --> K[chat/CLI 播报审核建议并等待 resume]
     F --> L{是否开启 analyze-actions}
     G --> L
@@ -129,6 +129,8 @@ flowchart TD
 
 - 每个 action 完成后都会进入一次审核，不再依赖 `--analyze-actions` 开关。
 - `--analyze-actions` 或 `llm action-analysis on` 只控制是否把详细审核结果写入 `events`。
+- 只有 action 执行成功且审核允许继续时，才会写入 `completed_global_steps` 或 `ip_states[ip].completed_steps`。
+- 如果审核建议停止或审核本身失败，当前 action 不会计入 completed，`resume` 会重试当前 action。
 - 如果审核本身失败，也会生成“停止继续”的审核结果并暂停流程，避免黑盒继续执行。
 
 ## 失败、显式回滚和续跑
@@ -136,19 +138,18 @@ flowchart TD
 ```mermaid
 flowchart TD
     A[逐 IP action 执行] --> B{action 失败或业务校验失败}
-    B -- 否 --> C[记录 completed_steps 并保存 checkpoint]
+    B -- 否 --> C{LLM 审核是否允许继续}
-    C --> C1{LLM 审核是否允许继续}
+    C -- 是 --> C1[记录 completed_steps 并保存 checkpoint]
-    C1 -- 是 --> C2[继续后续 action]
+    C1 --> C2[继续后续 action]
-    C1 -- 否 --> G[保存 checkpoint 并暂停]
+    C -- 否 --> G[不记录 completed_steps，保存 checkpoint 并暂停]
     B -- 是 --> D[记录 ip_state 为 FAILED]
-    D --> E[download-log 尽力下载日志]
+    D --> F[保存 failed_stage 和 failure_reason]
-    E --> F[保存 failed_stage 和 failure_reason]
     F --> G[保存 checkpoint 并暂停]
 
     G --> H{用户决定}
     H -- 修复后继续 --> I[resume 清理 paused]
     I --> J[next_ip_action 返回 failed_stage]
-    J --> K[重试失败 action]
+    J --> K[重试当前 action]
     H -- 需要回滚 --> L[rollback IP 显式执行 rollback-ip]
     L --> M{rollback 是否成功}
     M -- 是 --> N[标记 ROLLBACK_DONE]
@@ -179,10 +180,11 @@ flowchart TD
 ## checkpoint 续跑语义
 
 - `completed_global_steps`：全局阶段已经完成的 action 会跳过。
+- `completed_global_steps` 只记录“执行成功且审核通过”的全局 action；审核阻断时不会提前写入，`resume` 会重试该 action。
 - `ip_states[ip].status == SUCCESS`：成功 IP 会跳过。
 - `ip_states[ip].rollback_status == ROLLBACK_DONE`：已显式回滚的失败 IP 会跳过，继续后续目标。
 - `ip_states[ip].failed_stage`：失败 IP 未回滚时，`resume` 会从该 action 重试。
-- `ip_states[ip].completed_steps`：同一个 IP 已完成的 action 会跳过。
+- `ip_states[ip].completed_steps`：同一个 IP 已完成且审核通过的 action 会跳过；审核阻断时不会提前写入，`resume` 会重试当前 action。
 - `pending_confirmation`：仅保留为旧 checkpoint/旧 confirm 入口的兼容字段，新失败流程不再自动设置。
 - `paused` / `pause_reason`：流程可能因 action 失败、LLM 审核阻断、用户中断、回滚失败等原因暂停；`resume` 会先清理暂停标记，再继续执行。
 - `review_context`：保存最近一次暂停时的审核建议、失败原因、IP 和阶段，供 chat/CLI 输出给用户。

docs/todo.md

@@ -11,7 +11,7 @@
 - [x] 增加参数确认和目标 IP 范围确认，不只在回滚阶段确认。
 - [x] 增加 LLM/MCP 配置热加载，例如 `llm config`、`mcp config`。
 - [x] 增加执行中 `Ctrl+C` 中断处理：保存 checkpoint、标记 `user_interrupted`，再由 `resume` 继续。
-- [x] 将 chat 执行接入 action 级 LangGraph runtime；逐 IP action 失败后保存 checkpoint 并暂停，`resume` 从失败 action 重试，`rollback [IP]` 作为显式命令单独执行。
+- [x] 将 chat 执行接入 action 级 LangGraph runtime；action 失败或审核阻断后保存 checkpoint 并暂停，`resume` 从当前 action 重试，`rollback [IP]` 作为显式命令单独执行。
 
 ## LLM action 后分析
 

packaging/README_linux_package.md

@@ -70,11 +70,11 @@ cd pam-deploy-agent-linux-x86_64
 
 本次发布包对应的运行时行为也已同步到包内 `README.md`：
 
-- 每个 action 完成后都会自动执行一次 LLM/规则审核。
+- 每个 action 完成后都会自动执行一次 LLM/规则审核，只有审核通过才会把 action 记为 completed。
 - `--analyze-actions` 只控制是否把详细审核结果写入 `events`。
-- 逐 IP action 失败后会保存 checkpoint 并暂停；修复外部环境后通过 `resume` 从失败 action 重试。
+- action 失败或审核阻断后会保存 checkpoint 并暂停；修复外部环境后通过 `resume` 从当前 action 重试。
 - 回滚不再属于主 workflow 自动分支；需要时使用 chat 内 `rollback [IP]` 或 CLI `rollback --checkpoint ...` 显式执行。
-- chat 支持执行中 `Ctrl+C` 中断后保存 checkpoint，再通过 `resume` 继续。
+- chat 支持执行中 `Ctrl+C` 中断后保存 checkpoint，再通过 `resume` 重试当前 action。
 - chat 支持 `set KEY=VALUE` 和 `load params <路径>` 热更新当前运行任务参数。
 - 支持通过 `--llm-action-analysis-prompt-file` 或 chat 内 `llm config action_analysis_prompt_file=...` 自定义 action 审核提示词。
 - chat 支持 `llm test [文本]` 测试当前 LLM client 是否正常加载。

packaging/README_packaged_agent.md

@@ -35,8 +35,8 @@ pam-deploy-agent-linux-x86_64/
 ```
 
 发布包默认会优先使用 `prompt_toolkit` 增强输入，支持更稳定的退格、历史记录和补全；如果增强输入初始化失败，会自动降级到普通 `input()`。输出仍会在可用时使用 `rich` 做更清晰的文本展示。
-逐 IP action 失败后会保存 checkpoint 并暂停；修复外部环境后输入 `resume` 会从失败 action 重试。回滚不再属于主 workflow 自动分支，需要时在 chat 内输入 `rollback [IP]` 显式执行。
+action 失败或审核阻断后会保存 checkpoint 并暂停；修复外部环境后输入 `resume` 会从当前 action 重试。回滚不再属于主 workflow 自动分支，需要时在 chat 内输入 `rollback [IP]` 显式执行。
-chat 会在执行前归一化并展示实际写入脚本配置的参数；`script_only` / `hybrid_node_mcp` 会先检查 `ZIP_FILE_PATH` 是否存在，避免脚本运行后才用默认路径失败。执行过程中每个 action 都会输出开始、完成或失败状态；每个 action 完成后还会自动进入一次 LLM/规则审核，并播报审核开始和审核结果。
+chat 会在执行前归一化并展示实际写入脚本配置的参数；`script_only` / `hybrid_node_mcp` 会先检查 `ZIP_FILE_PATH` 是否存在，避免脚本运行后才用默认路径失败。执行过程中每个 action 都会输出开始、完成或失败状态；每个 action 完成后还会自动进入一次 LLM/规则审核，并播报审核开始和审核结果；只有审核通过才会把 action 记为 completed。
 
 ## 交互式使用
 
@@ -244,7 +244,7 @@ MCP token 获取方式与 HOME 一致，默认按 `client_credentials` POST 到
 - `chat` 中输入 `你好`、`hello` 这类问候不会触发 LLM/结构化分析；需要分析部署需求时请直接描述部署任务，或显式使用 `analyze <需求>`。
 - 每个 action 完成后都会自动执行一次 LLM/规则审核；`--analyze-actions` 和 `llm action-analysis on` 只控制是否把详细审核结果写入 `events`。
 - `llm test [文本]` 可测试当前 LLM client 是否可用。
-- 如果审核建议停止、审核本身失败，或用户在执行中按下 `Ctrl+C`，流程都会保存 checkpoint 并进入暂停状态；后续可使用 `resume` 继续。
+- 如果审核建议停止、审核本身失败，或用户在执行中按下 `Ctrl+C`，流程都会保存 checkpoint 并进入暂停状态；后续可使用 `resume` 重试当前 action。
 - `set KEY=VALUE` 和 `load params <路径>` 会热更新当前运行任务的参数，并回写运行中的 `config.txt` 和 checkpoint。
 - `checkpoint` 会保存完整运行参数，请放在受控目录。
 - `hybrid_node_mcp`、`resume`、`rollback` 如果需要执行 MCP action，请同时传入 `--mcp-config`。

packaging/build_linux_self_contained.sh

@@ -138,7 +138,8 @@ PAM 部署 Agent 解压即用包
 
   --analyze-actions
       每个 action 完成后的 LLM/规则审核默认都会执行；该参数只控制
-      是否把详细审核结果写入 events。审核建议停止时流程会暂停。
+      是否把详细审核结果写入 events。审核建议停止时流程会暂停，
+      resume 会重试当前 action。
 
 LLM 参数：
   --llm-base-url <URL>
@@ -176,7 +177,7 @@ LLM 环境变量：
 
   ./run.sh run-deploy --config doc_scripts/config.txt.example --strategy fake --checkpoint runtime/checkpoints/demo.json --confirm
 
-  # 失败暂停后，修复外部环境并从失败 action 重试：
+  # 失败或审核阻断暂停后，修复外部环境并从当前 action 重试：
   ./run.sh resume --checkpoint runtime/checkpoints/demo.json --confirm
   # 需要回滚失败 IP 时显式执行：
   ./run.sh rollback --checkpoint runtime/checkpoints/demo.json --confirm
@@ -191,7 +192,7 @@ LLM 环境变量：
   2. doc_scripts 只包含运行必需文件：deploy.sh、config.txt.example、PAM_AUTO_DEPLY_SKILL.md。
   3. prompts/action_review.txt 是当前默认 action 审核提示词基线，可复制后自行修改。
   4. mcp_client.example.json 是 MCP server URL + 独立鉴权配置示例，需要按真实 MCP server 修改。
-  5. 逐 IP action 失败后会暂停；修复后用 resume 从失败 action 重试，需要回滚时用 rollback 显式执行。
+  5. action 失败或审核阻断后会暂停；修复后用 resume 从当前 action 重试，需要回滚时用 rollback 显式执行。
   6. chat 会在执行前归一化并展示实际写入脚本配置的参数；script_only / hybrid_node_mcp 会先检查 ZIP_FILE_PATH 是否存在。
   7. chat 执行过程中会播报每个 action 的开始、完成或失败；普通问候不会触发 LLM/结构化分析。
   8. chat 内可使用 params、events、rollback、list checkpoints、load checkpoint、load params、llm config、llm test、mcp config 等命令。

pam_deploy_graph/agent.py

@@ -395,17 +395,6 @@ class PamDeployAgent:
             )
             self._save_checkpoint(state)
             raise RuntimeError(message)
-        self._apply_result(state, action, result.values)
-        state.completed_global_steps.append(action)
-        state.last_success_step = action
-        self._emit_progress(
-            {
-                "type": "ACTION_DONE",
-                "stage": action,
-                "backend": result.backend,
-                "message": result.values.get("MESSAGE", "ok"),
-            }
-        )
         if analysis is not None and not analysis.should_continue:
             state.last_failed_step = action
             self.pause_state(
@@ -415,6 +404,19 @@ class PamDeployAgent:
             )
             logger.info("全局 action 被 LLM 审核拦截 run_id=%s action=%s analysis=%s", state.run_id, action, json_for_log(asdict(analysis)))
             return state
+        self._apply_result(state, action, result.values)
+        state.completed_global_steps.append(action)
+        state.last_success_step = action
+        if state.last_failed_step == action:
+            state.last_failed_step = ""
+        self._emit_progress(
+            {
+                "type": "ACTION_DONE",
+                "stage": action,
+                "backend": result.backend,
+                "message": result.values.get("MESSAGE", "ok"),
+            }
+        )
         self._save_checkpoint(state)
         logger.info("全局 action 完成 run_id=%s action=%s completed=%s", state.run_id, action, state.completed_global_steps)
         return state
@@ -442,7 +444,7 @@ class PamDeployAgent:
         return state
 
     def run_ip_flow(self, state: AgentState) -> AgentState:
-        """执行逐 IP 部署流程，失败时暂停在失败 action，等待修复后重试。"""
+        """执行逐 IP 部署流程，失败时暂停在当前 action，等待修复后重试。"""
         logger.info(
             "逐 IP 流程开始 run_id=%s paused=%s target_ips=%s online_ips=%s",
             state.run_id,
@@ -575,12 +577,21 @@ class PamDeployAgent:
                 reason="action_failed",
                 review_context=self._review_context(action=action, analysis=analysis, result=result, ip=ip),
             )
-            if action != "download-log":
-                self._download_log_best_effort(state, ip)
             self._save_checkpoint(state)
             logger.info("IP action 失败并暂停等待重试 run_id=%s ip=%s action=%s", state.run_id, ip, action)
             return state
 
+        if analysis is not None and not analysis.should_continue:
+            ip_state["failed_stage"] = action
+            ip_state["failure_reason"] = analysis.possible_reason or analysis.suggested_action or "LLM 审核要求暂停"
+            state.last_failed_step = action
+            self.pause_state(
+                state,
+                reason="llm_review_blocked",
+                review_context=self._review_context(action=action, analysis=analysis, result=result, ip=ip),
+            )
+            logger.info("IP action 被 LLM 审核拦截 run_id=%s ip=%s action=%s analysis=%s", state.run_id, ip, action, json_for_log(asdict(analysis)))
+            return state
         self._apply_ip_result(ip_state, action, result.values)
         ip_state["status"] = "RUNNING"
         ip_state["failed_stage"] = ""
@@ -597,14 +608,6 @@ class PamDeployAgent:
                 "message": result.values.get("MESSAGE", "ok"),
             }
         )
-        if analysis is not None and not analysis.should_continue:
-            self.pause_state(
-                state,
-                reason="llm_review_blocked",
-                review_context=self._review_context(action=action, analysis=analysis, result=result, ip=ip),
-            )
-            logger.info("IP action 被 LLM 审核拦截 run_id=%s ip=%s action=%s analysis=%s", state.run_id, ip, action, json_for_log(asdict(analysis)))
-            return state
         self._save_checkpoint(state)
         logger.info("IP action 完成 run_id=%s ip=%s action=%s completed=%s", state.run_id, ip, action, completed_steps)
         return state
@@ -905,7 +908,7 @@ class PamDeployAgent:
             ip_state["log_file"] = str(values.get("LOG_FILE", ""))
 
     def _record_ip_failure(self, state: AgentState, ip: str, action: str, reason: str) -> None:
-        """记录单 IP 失败，并保留失败 action 供 resume 重试。"""
+        """记录单 IP 失败，并保留当前 action 供 resume 重试。"""
         ip_state = state.ip_states[ip]
         stop_first = action in ("start-ip", "verify-ip")
         logger.info(
@@ -936,73 +939,6 @@ class PamDeployAgent:
             }
         )
 
-    def _download_log_best_effort(self, state: AgentState, ip: str) -> None:
-        """失败后尽力下载日志，日志失败不覆盖原失败原因。"""
-        backend = state.action_backends.get("download-log", "script")
-        logger.info("失败后尝试下载日志 run_id=%s ip=%s backend=%s", state.run_id, ip, backend)
-        self._emit_progress(
-            {
-                "type": "ACTION_START",
-                "stage": "download-log",
-                "backend": backend,
-                "ip": ip,
-                "message": "失败后尝试下载日志",
-            }
-        )
-        try:
-            result = self.router.run_action(state, "download-log", ip=ip)
-        except Exception as exc:
-            logger.exception("失败后下载日志 action 调用异常 run_id=%s ip=%s backend=%s", state.run_id, ip, backend)
-            result = ActionResult(
-                action="download-log",
-                backend=backend,
-                ok=False,
-                error_summary=str(exc),
-            )
-        ip_state = state.ip_states[ip]
-        if result.ok:
-            ip_state["log_file"] = str(result.values.get("LOG_FILE", ""))
-            state.events.append(
-                {
-                    "type": "ACTION_DONE",
-                    "stage": "download-log",
-                    "backend": result.backend,
-                    "ip": ip,
-                    "message": "已尽力下载日志",
-                }
-            )
-            self._emit_progress(
-                {
-                    "type": "ACTION_DONE",
-                    "stage": "download-log",
-                    "backend": result.backend,
-                    "ip": ip,
-                    "message": result.values.get("MESSAGE", "已尽力下载日志"),
-                }
-            )
-            logger.info("失败后下载日志完成 run_id=%s ip=%s result=%s", state.run_id, ip, _action_result_for_log(result))
-        else:
-            state.events.append(
-                {
-                    "type": "ACTION_FAIL",
-                    "stage": "download-log",
-                    "backend": result.backend,
-                    "ip": ip,
-                    "message": result.error_summary or "尽力下载日志失败",
-                }
-            )
-            self._emit_progress(
-                {
-                    "type": "ACTION_FAIL",
-                    "stage": "download-log",
-                    "backend": result.backend,
-                    "ip": ip,
-                    "message": result.error_summary or "尽力下载日志失败",
-                }
-            )
-            logger.info("失败后下载日志失败 run_id=%s ip=%s result=%s", state.run_id, ip, _action_result_for_log(result))
-        self._append_action_analysis(state, "download-log", result, ip=ip)
-
     def _save_checkpoint(self, state: AgentState) -> None:
         """如果配置了 checkpoint 路径，则保存完整运行状态。"""
         if state.checkpoint_path:

pam_deploy_graph/interactive.py

@@ -819,7 +819,7 @@ class InteractiveCliSession:
         if reason == "user_interrupted":
             self.output("输入 resume 可从当前 checkpoint 继续。")
         elif reason == "llm_review_blocked":
-            self.output("请根据以上建议判断后续；如需继续，输入 resume。")
+            self.output("请根据以上建议判断后续；如需继续，输入 resume 重试当前 action。")
         elif reason == "action_failed":
             ip = context.get("ip")
             rollback_hint = f"rollback {ip}" if ip else "rollback <IP>"

tests/test_agent_flow.py

@@ -35,6 +35,26 @@ class BlockingReviewLlmClient:
         )
 
 
+class BlockingOnceReviewLlmClient:
+    def __init__(self, blocked_action: str = "get-token") -> None:
+        self.blocked_action = blocked_action
+        self.blocked = False
+
+    def analyze_action_result(self, *, action, result, state_summary):
+        if action == self.blocked_action and not self.blocked:
+            self.blocked = True
+            return LlmActionAnalysis(
+                action=action,
+                has_anomaly=True,
+                severity="high",
+                possible_reason="review blocked once",
+                suggested_action="fix then retry current action",
+                requires_confirmation=True,
+                should_continue=False,
+            )
+        return LlmActionAnalysis(action=action)
+
+
 class BrokenReviewLlmClient:
     def analyze_action_result(self, *, action, result, state_summary):
         raise RuntimeError("review transport failed")
@@ -118,6 +138,7 @@ def test_run_deploy_flow_stops_on_verify_failure(tmp_path: Path):
     assert state.ip_states["192.168.1.10"]["rollback_status"] == "ROLLBACK_NOT_RUN"
     assert "192.168.1.11" not in state.ip_states
     assert any(event["type"] == "ACTION_RETRY_REQUIRED" for event in state.events)
+    assert not any(call[0] == "download-log" for call in fake.calls)
 
 
 def test_resume_retries_failed_ip_action_without_rollback(tmp_path: Path):
@@ -196,11 +217,35 @@ def test_successful_action_can_be_blocked_by_llm_review(tmp_path: Path):
     assert state.paused is True
     assert state.pause_reason == "llm_review_blocked"
     assert state.last_failed_step == "get-token"
-    assert state.completed_global_steps == ["get-token"]
+    assert state.completed_global_steps == []
     assert state.review_context["stage"] == "get-token"
     assert state.review_context["suggested_action"] == "stop and inspect"
 
 
+def test_resume_retries_llm_blocked_global_action(tmp_path: Path):
+    fake = FakeActionRunner()
+    agent = PamDeployAgent(
+        fake_runner=fake,
+        llm_client=BlockingOnceReviewLlmClient(),
+    )
+    state = agent.create_state(
+        params=PARAMS,
+        execution_strategy="fake",
+        config_path=str(tmp_path / "config.txt"),
+        checkpoint_path=str(tmp_path / "checkpoint.json"),
+    )
+
+    agent.run_deploy_flow(state)
+    agent.resume_state(state)
+    agent.run_deploy_flow(state)
+
+    called_actions = [call[0] for call in fake.calls]
+    assert called_actions[:2] == ["get-token", "get-token"]
+    assert called_actions.count("get-token") == 2
+    assert state.paused is False
+    assert state.completed_global_steps[0] == "get-token"
+
+
 def test_action_review_failure_pauses_flow(tmp_path: Path):
     agent = PamDeployAgent(
         fake_runner=FakeActionRunner(),
@@ -219,6 +264,7 @@ def test_action_review_failure_pauses_flow(tmp_path: Path):
     assert state.pause_reason == "llm_review_blocked"
     assert state.review_context["stage"] == "get-token"
     assert "LLM 审核失败" in state.review_context["possible_reason"]
+    assert state.completed_global_steps == []
     assert any(event["type"] == "ACTION_ANALYSIS_FAIL" for event in state.events)