Agent 24 小时在线，模型大部分时间在睡觉

Anthropic 应用 AI 团队 William Hu 在 Claude 官网发了一篇 building always-on agents，收在 Claude Platform 最佳实践里。原推见 meng shao 的分享，长文 也给了中文拆解。文章回答一个问题：产品里怎么做始终在线的 Agent。

全文把这类 Agent 定义成有状态、会主动做事：多次会话之间要管理上下文，没人盯着时也能自己行动。底层核心循环没变，变的是外围架构，谁决定它什么时候醒来、哪些状态跨运行保留、结果怎么交给用户。

建议先把一个误会拆掉。始终在线描述使用体验。Agent 大部分时间休眠，隔一段时间被事件唤醒干活，休眠期间不消耗 token。每次工作叫 run，运行发生在 session 里，会话就是消息和工具调用的记录。结束后重新休眠，循环继续。有网友说之前怕断了接不上，结果开着不关，额度掉得很快，这段话正好对上。

Anthropic 把现在值得做的原因归到模型进步：判断力更好，更清楚什么时候停下来确认；智能更便宜，长周期任务受益。文章给了一个自报数据，在长周期编程基准 SWE-bench Pro 的一个子集上，Opus 5.5 每完成一个任务的成本比 Opus 5 低 78%，典型工作负载低 40%。文章也注明，两代模型解题比例大致相当，子集成绩不能和公开榜单直接比较。

架构拆成五块。

• 收件箱：所有来源先进队列，再唤醒 Agent。webhook、定时任务、后台作业不直接调用 Agent，先写进持久化事件列表，通常是一张数据库表；一个 HTTP 端点负责写入，一个 worker 从表里取事件。收件箱记录状态，用来源唯一标识去重。文章建议先按用户各开一个收件箱，同一收件箱同一时间只放一个活跃 worker。用户连发几条消息，worker 合并成一次运行，只回复一次。回复类事件回到原会话，其他事件新开会话。收件箱是唯一可信来源，worker 中途挂掉，新 worker 能重试同一条事件。

• 计时器：让 Agent 主动跟进。跟进类是自己给自己定的截止时间，日程类按固定节奏重复。计时器单独持久化，调度器定时轮询到期项目，跟进类标记完成，日程类改到下一次，然后往收件箱加事件并唤醒 worker。

• 记忆：只存下次查不到的东西。能链接到外部系统的，存链接。要保存的内容分成四类：用户对 Agent 行为的指令，每次运行开始加载；关于用户的笔记，角色、偏好、纠正过的地方；已经告诉过用户的内容，避免重复；进行中任务的进度，每项任务一个文件，写清做完什么、还剩什么。目录可以放数据库或对象存储。文章还提到 dreaming，回看过去会话，清理过时条目，找跨运行规律。初始上下文每次都有成本，要精简，用提示缓存；会话太长可以压缩或新开，必须保留的内容先写进记忆。有网友自己搭过一版，卡在记忆：每轮重挑历史，token 和延迟一起爆，后来只留最近三轮对话加一份进度文件，反而稳了。

• 权限：无人值守时风险最高。凭证放在 Agent 运行环境之外，由代理注入请求，Agent 自己发出的请求不带真实凭证。auto mode 用分类器审查高风险操作，拦下危险部分，让模型换稳妥路径，关键决定仍要人看。延后执行的工具调用用 hook 把某次调用搁下，当前运行结束，会话停在调用中途并保存；用户回答作为新事件回收件箱，再启动一次运行恢复会话，等待期间 worker 照常处理其他事件。

• 发件箱：交出结果，不推送全过程。一次运行有三种结局：往发件箱发消息；判断不需要发；用延后调用请求许可或补充信息。发件箱是一张待发消息表，分发进程读取后决定发哪些。发送频率要单独调，文章建议先让 Agent 少说话，再一点点争取注意力。有网友做 BD，关心的边界很具体：什么时候提醒我，什么时候等我确认，什么时候才可以对外发。

五块连起来就是一个循环。事件从收件箱开始，worker 领取，唤醒 Agent，读记忆，在权限内行动，写回记忆，往发件箱写消息。运行可以设一个计时器，过一阵把自己叫醒；用户回复又变成新事件。每次运行很短，循环可以一直转。

这些部件单看都不新，队列加定时任务早有人拼过。文章的价值在职责划分，并把常驻体验和常驻进程分开。做 Agent 的团队先落地收件箱，webhook 重试和并发事件先压在这里。权限要一开始就按默认设计，凭证代理、auto mode、延后调用都不是上线前补的装饰。发件箱是产品设计，很多团队一上线就推送得很频繁，正好反过来。

如果只做到点提醒自己的小任务，先搭收件箱和计时器能跑通最小循环，记忆、权限、发件箱随后补。一旦无人值守替你对外说话，权限和发件箱的边界得先想清楚。这套架构看着像给 Agent 排班：大部分时间睡觉，被叫醒就干活，干完把结果放进发件箱。