Skip to content

Always-on Agent 的三个设计共识:常驻的是身份,不是进程 ​

一句话定义:Always-on 不是让 Agent 一直运行,而是让身份与工作状态一直存在、执行者按需出现、系统只在值得时才叫醒人或替人行动——把"持续"从进程属性,换成状态与制度的属性。


问题:Agent 能独立干活了,工作却仍然要人盯着 ​

DeepSeek Harness 的《Super-agent 设计探索》里有一句被反复引用的话:

单任务的上限取决于模型能力,多任务的上限取决于人的注意力。

这句话描述的是 Coding Agent 的日常:单个复杂任务已经能交出去,但同时推进几件事时,人仍然要自己盯着不同的 Session——哪个跑完了、哪个在等反馈、哪个失败后要重新说一句「继续」。DeepSeek 团队给出的经验值是,一个人通常只能同时跟进 3~5 个活跃 Session。

Agent 已经能独立执行,但让工作持续推进仍然靠人协调。Super-agent 试图改的就是这个分工,它的形态更接近一个一直存续的 PMO,而不是一个更强的执行者。

信号:四套设计在同一处汇合 ​

这几个判断不是从一套系统里推出来的,而是几支做不同产品的团队,在设计上开始做相似的选择。

来源形态它提供的证据
DeepSeek Harness(dsh-superagent-prototype)研究原型,MIT,2.4 万 StarRouter / Worker 分层;Ticket、Mandate、Assignment 的工作单元模型;Watchdog 的设计讨论
Pi(Mario Zechner)极简 Harness 与工具链作者公开推荐 Super-agent 设计;Pi Durable 在 Cloudflare 上用持久 Session、休眠与定时唤醒做轻量实现
LangChain框架与托管产品《Agents Are Going Async》把 Router/Worker 带进 Deep Agents;《What We've Learned Building Proactive Agents》给出主动性 Agent 的决策模型与调度数据
Grok Bot(xAI)商业产品Bot 的身份长期存在,执行命令的 Cloud Computer 与身份分开生命周期

规模、严谨度、可复制性都不同,但三家在三个问题上给出了同向的答案。

共识一:Always-on 不等于 Always-running ​

一个长期在线的 Agent,为什么不需要一直运行?

Grok Bot 是最直观的例子:用户面对的是一个长期存在的 Bot,但实际执行命令的 Cloud Computer 可以按需启动、休眠和恢复。Bot 的身份与计算环境,不必拥有相同的生命周期。

Pi Durable 在 Cloudflare 上验证了另一种轻量做法:持久化 Session,配合休眠与定时唤醒——没有请求时不占着机器,醒来时状态还在。

DeepSeek 的设计则从第三个角度讨论同一件事:把 Agent Loop 的计算、需要持久化的 Session 状态、实际执行代码的环境分别管理。Agent Loop 可以跑在云端,而开发机上的代码、依赖和工具不一定需要整体迁过去。

三者的共同点只有一句:长期存在的是 Agent 的身份与状态,而不是某个永远运行的进程。

恢复要分三层,不能互相替代 ​

从恢复机制看,至少有三类东西,各自保存不同的东西:

层保存什么恢复不了什么
Memory经验、偏好、做过什么一次执行走到哪一步
Durable Workflow执行进度、下一步该做什么运行环境的现场
虚拟机快照进程、文件、依赖的现场这次工作为什么开始、授权到哪

把它们混为一谈,就会出现典型的误判:以为"状态持久化了"就等于"任务能接着跑",或者以为"环境恢复了"就等于"工作没丢"。

还有一条更细的边界:日志记录了一次工具调用,不等于那次外部操作真的成功了。 执行状态可以恢复,真实结果仍然需要核验。写文件和发消息、合并 PR 不是一回事——前者可以重放,后者重放一次就是一次重复副作用。

共识二:工作持续存在,执行者按需出现 ​

计算环境可以退出,任务怎么办?

假设一个 Coding Agent 正在改代码,用户突然追加要求,或者 Worker 跑到一半崩了。DeepSeek 的 Router / Worker 架构把全局协调和具体执行分开:Router 持续接收消息、协调任务;Worker 在独立 Session 里干活。

这个分层解决的是一个两难:

  • 所有任务挤进一个 Session,上下文互相干扰,一件事的失败会污染其他事;
  • 每条消息都新建 Session,又失去跨任务的连续上下文,人得反复交代背景。

双层结构就是在连续性与并行度之间取平衡。

Ticket:让工作脱离 Session 存在 ​

原型里更值得关注的设计是 Ticket——定义为一个"获得授权的工作单元"。它附带 Mandate,记录谁授权、允许做什么;再通过 Assignment 分配给具体的 Executor。

text
Trigger(事件)
    │
    ▼
Eval(准入判断)── 接受 → 创建 Ticket + Mandate
                            │
                            ▼
                      Assignment ──► Executor(独立 Session、独立目录)
                            ▲               │
                            │               ▼
                        重新指派          Report(完成 / 阻塞 / 失败 / 等待)

关键变化是:一项工作不再等同于执行它的那个 Session。 Worker 退出后 Ticket 仍然存在,系统可以重新分配执行者,让它依据已有记录和外部产物继续处理。

但这不等于无损接力。新 Worker 必须先核对:此前做过什么、哪些外部操作已经生效。原型的恢复说明写得很直接——重启后新的 Assignment 要带着一条恢复提示,要求 Executor 先检查自己的目录、git 历史和 GitHub,再决定要不要重放任何外部动作。

授权不能跟着执行者走 ​

如果用户中途改了要求,Executor 不能自行扩大原有的 Mandate,而要判断是否需要交回协调流程重新授权。这条约束把"能做多远"和"谁说了算"分开:执行者可以决定怎么做,不能决定做到哪一步。

LangChain 的 Async Subagents 在框架层提供了互补的能力:主 Agent 不必等后台任务结束,还能查询状态、追加要求或取消执行。Grok Bot 则让长期存在的 Bot 去协调各自拥有 Durable Workflow 的 Helper,从工作流层面支持长任务恢复。

三家的执行保证并不相同,但都在减少任务对单次模型运行的依赖。比起争论该叫 Worker、Helper 还是 Sub-agent,更该问的是:执行者退出后,系统是否仍然知道这项工作该怎样继续?

共识三:自主唤醒不等于自主行动,更不等于通知用户 ​

LangChain 在《What We've Learned Building Proactive Agents》里给了一个很有代表性的例子。

他们的工程 Agent Robin 会关注 Slack 里的讨论,但并不需要每次都参与。团队专门引入了一个叫 Jev 的决策模型,判断 Robin 什么时候真的有话值得说。它既不需要每次都等人 @,也不会因为看到一条新消息就插进同事的对话。

同样的判断出现在销售侧:GTM Agent 把邮件会话分成三类——正在等人处理的、需要准备回复草稿的、根本不需要回复的。

这其实是三道独立的闸:

text
事件被看见  ──①──►  值得行动吗  ──②──►  值得告诉人吗  ──③──►  发通知
(触发)           (决策模型)          (通知策略)

大多数系统只做了第一道:有事件就唤醒,唤醒了就执行,执行完就汇报。三道闸分开之后,Agent 可以在后台持续工作,而人的收件箱不必跟着一起忙。

LangChain 还披露了一个数字:在 Managed Deep Agents 的运行中,超过 70% 来自定时调度,而不是用户临时发起。当大部分工作发生在没人下指令的时候,"判断什么值得做、什么值得告诉人"就从体验问题变成了核心设计问题。

三者接起来:一个持续循环 ​

三个共识指向同一个目标:让工作不再依赖人盯着某个 Session。把机制拼起来,一项长期工作就有了自己的循环:

text
触发 → 评估与授权 → 执行 → 结果核验 → 下一步决策
  ▲                                        │
  └────────────────────────────────────────┘
  • 状态独立于计算进程(共识一);
  • 任务独立于具体执行者(共识二);
  • 系统依据事件主动协调,而不是等人推(共识三)。

但"不断线"不等于"持续负责" ​

工作能一直转,不代表系统能对它负责。至少还有三个问题:

问题具体表现需要的能力
能不能继续Worker 崩溃后怎么恢复;外部操作成功却没有记录时,重试如何避免重复副作用可恢复的执行进度 + 幂等的外部动作 + 恢复前的核对
应不应该继续一项持续几天的工作,最初的目标和授权是否仍然有效授权带版本、可重新校验,目标变化能触发重审
继续得对不对工作没有中断,但逐渐偏离目标,谁来发现并纠正独立的进展与偏差检查,而不是只看进程存活

DeepSeek 在设计讨论里提出了独立的 Watchdog:不只检查进程是否存活,也尝试判断 Worker 有没有取得实质进展、是否偏离目标。需要说明的是,公开原型自述为研究代码、并非官方产品,文中讨论的部分设计属于后续方向,尚未在这个原型里实现。

这也解释了为什么"持续执行"和"持续负责"要分开看:只要系统还判断不了工作是否应该继续、结果是否可信,人就仍然要不断检查和干预,最初那个注意力瓶颈并没有真正解除。

落到自己的系统上 ​

如果要在自建或选型时用上这三个共识,可以先回答七个问题:

  1. 三种生命周期是否拆开了? 身份与状态、执行进度、运行环境分别存在哪,谁能独立恢复?
  2. 工作单元有没有独立身份? 执行者退出后,能否依据记录重新指派,而不是重开一个会话从头讲?
  3. 授权是否与工作绑定? 需求中途变化时,是执行者自己扩大范围,还是回到协调流程重新授权?
  4. 恢复时先核对还是先重放? 外部操作有没有幂等标记,能不能区分"已生效但没记录"和"没生效"?
  5. 决策模型管不管"要不要介入"? 还是所有事件都直接变成执行,或直接变成通知?
  6. 通知是不是最后一道闸? 有没有独立的策略决定"这件事值不值得打扰人"?
  7. 谁来判断"应不应该继续"? 有没有独立于执行者的检查,能发现停滞和偏离?

边界与风险 ​

  • 是一篇设计综述,不是基准测试。 结论来自对几套公开设计的对照阅读,没有统一口径的效果数据。
  • 原型不等于落地。 DeepSeek 的公开仓库自述为研究代码,部分可靠性机制(如 Watchdog)仍在设计阶段。
  • 各家的执行保证不同。 LangChain 提供的是框架能力,Grok Bot 是托管产品,Pi Durable 是轻量实现,可复制的程度不一样。
  • 产品文案与进程模型是两件事。 商业产品对外强调"always-on、24/7 持续工作",说的是体验;工程上是否真的常驻进程,要看它怎么管理计算资源。
  • 常驻状态本身有成本。 持久化、唤醒、快照、核验都要花钱和加延迟,任务越短、越简单,这套机制越不划算。
  • 术语尚未统一。 Worker、Helper、Sub-agent、Executor 指的东西高度重叠,比较时应对齐机制而不是名字。

参考资料 ​

关联词条 ​