长时间运行的智能体

📌 One-Sentence Summary

本文为从业者提供了关于长时间运行 AI 智能体的全面分析，详细阐述了核心工程挑战（有限上下文、无持久状态、无法自我验证）以及 Anthropic、Cursor 和 Google 所采用的趋同架构模式（大脑/双手/会话分离、规划者/执行者/评判者角色）。

📝 Summary

文章指出，将 AI 智能体视为单次会话聊天循环的主流范式已达上限，下一个前沿是能够持续运行数小时、数天甚至数周的长时间运行智能体。文章识别出三个根本性障碍：有限的上下文窗口、跨会话缺乏持久状态，以及模型无法可靠地进行自我验证。随后，作者详细调研了主要参与者如何解决这些问题。Anthropic 的方法通过其 harness 设计和托管智能体中的“大脑/双手/会话”解耦来详细阐述。Cursor 的解决方案采用规划者/执行者/评判者架构，将不同模型分配给不同角色。Google 的 Gemini Enterprise Agent Platform 通过 Agent Runtime、Agent Sessions 和 Memory Bank 等服务将这些模式产品化。文章提炼出五种生产设计模式（检查点与恢复、委托审批、记忆分层上下文、后台处理、集群编排），并为开发者、产品构建者以及创建自主运营智能体的人员提供了实用建议。最后，文章承认了当前的成本、安全性和对齐漂移等局限性，并预测下一个难题将出现在多智能体协调领域。

💡 Main Points

1. 长时间运行的智能体需要解决三个核心问题：有限上下文、无持久状态和无法自我验证。 这些是任何生产系统都必须解决的根本性工程障碍。解决方案包括外部化状态、使用结构化交接，以及将工作评估与工作生成分离。
2. 主要实验室已趋同于类似的架构：解耦大脑（模型循环）、双手（执行沙箱）和会话（持久事件日志）。 这种由 Anthropic 明确描述的模式，在 Cursor 的规划者/执行者/评判者分离以及 Google 的 Agent Platform 服务中得到了体现。它使智能体可恢复、可审计且可独立扩展。
3. 对于长时间运行的智能体，最高杠杆率的实践是在智能体启动前，将“完成条件”写入一个外部文件。 这可以防止智能体在运行过程中重新定义成功。它是一个简单的外部规范，作为智能体和监督它的人类双方的客观事实依据。
4. 不同的模型更适合智能体系统中的不同角色（例如，规划者 vs. 执行者）。 Cursor 发现 GPT 模型在长时间自主工作中优于 Opus，这凸显了模型选择现在是一个设计参数，而非一刀切的选择。

💬 Key Quotes

• 一个长时间运行的 AI 智能体可以在数小时、数天或数周内持续取得进展。它可以跨多个上下文窗口和沙箱执行此操作，从故障中恢复，留下结构化的工件，并在中断处继续执行。
• 智能体本身是健忘的，但文件系统不是。
• 将评估者与生成者分离。自我评分是失败模式。
• 正在增值的技能不是编写代码，而是编写能够经受自主执行器考验的规范。
• 聊天窗口与可以整夜运行的智能体之间的差距，主要在于围绕它所构建的状态、会话和结构化交接。

📊 Article Meta

Read Full Article