diff --git a/frontend-web/src/open-canvas/contexts/AIWritingContext.tsx b/frontend-web/src/open-canvas/contexts/AIWritingContext.tsx
index 92d797ab..0b6834c4 100644
--- a/frontend-web/src/open-canvas/contexts/AIWritingContext.tsx
+++ b/frontend-web/src/open-canvas/contexts/AIWritingContext.tsx
@@ -528,8 +528,14 @@ export function AIWritingProvider({ children }: { children: ReactNode }) {
     dispatch({ type: 'pause' });
   }, []);
 
-  // 「继续」：清掉当前阶段流式缓冲后，从最近的 checkpoint 重新驱动 graph 续跑
+  // 「继续」：清掉当前阶段流式缓冲后，从最近的 checkpoint 恢复 graph 续跑
   // （会重跑当前未完成的阶段，已完成阶段不丢）。同时用于断网后 run 已死的兜底恢复。
+  //
+  // **关键**：必须带一个 `command`（哪怕是空对象），后端 worker 才会把它翻成
+  // `langgraph.types.Command` 让 Pregel **从最近 checkpoint 恢复**（与 4 个干预卡续跑同机制）；
+  // 不带 command 时 worker 按 graph_input **起新一轮**＝从图入口 intent 重跑（就是之前
+  // "暂停后继续又从识别意图开始" 的根因，见 runtime/runs/worker.py 注释）。空 Command
+  // 没有 interrupt 可消费 → Pregel 直接续跑 checkpoint 里挂起的当前阶段节点。
   const resumeWriting = useCallback(() => {
     const stream = streamRef.current;
     if (!stream) {
@@ -541,6 +547,7 @@ export function AIWritingProvider({ children }: { children: ReactNode }) {
     void (async () => {
       try {
         await stream.submit(undefined, {
+          command: {},
           streamMode: [...WRITING_STREAM_MODE],
           ...RESILIENT_RUN_OPTS,
           ...(resumeModelName ? { config: { configurable: { model_name: resumeModelName } } } : {}),