Agent 一直在线,不等于一直在跑
一个人只能同时跟进 3~5 个 Agent Session。Always-on 的设计共识正在形成,但真正的门槛还没跨过。
DeepSeek 在《Super-agent 设计探索》里提到,一个人通常只能同时跟进 3~5 个活跃 Session(独立工作上下文)。Agent 已经能独立干活,但让这些活持续推进,还是得靠人协调。
李简AI 在梳理最近几套设计时发现,DeepSeek 的 Super-agent、Pi、LangChain 的 Async Subagents、Grok Bot,开始出现一些相似的选择。他将其归结为 Always-on Agent 的三个设计共识。
第一,Always-on 不等于 Always-running。
长期在线的 Agent,不需要一直运行。Grok Bot 的用户面对的是长期存在的 Bot,但实际执行命令的 Cloud Computer 可以按需启动、休眠和恢复。Pi Durable 用持久化 Session 做到了类似效果。DeepSeek 的设计则把 Agent Loop 的计算、需要持久化的 Session 状态、实际执行代码的环境分开管理。
长期存在的是身份和状态,不是一个永远跑的进程。恢复机制也分层次:Memory 存经验,Durable Workflow 存进度,虚拟机快照存环境。日志记录了工具调用,不代表外部操作一定成功。
第二,工作持续存在,执行者按需出现。
计算环境可以退出,任务不能丢。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,Worker 在独立 Session 干活。更关键的是 Ticket——一个获得授权的工作单元,附带 Mandate 和 Assignment。Worker 退出后,Ticket 还在,系统可以重新分配执行者。用户中途改要求,Executor 不能自行扩大授权,得交回协调流程重新判断。
LangChain 的 Async Subagents 也类似,主 Agent 能查询状态、追加要求、取消后台任务。相比叫 Worker 还是 Helper,更重要的是执行者退出后,系统是否知道这项活该怎么继续。
第三,自主唤醒不等于自主行动,更不等于通知用户。
LangChain 的工程 Agent Robin 会关注 Slack 讨论,但不每次发言。团队引入了一个决策模型,判断什么时候有话值得说。销售 Agent 会把邮件会话分为“待处理”“准备草稿”“无需回复”。LangChain 披露,超过 70% 的运行来自定时调度,而非用户发起。
Agent 看见事件,不意味着必须行动;能行动,也不意味着应该打扰人。
三个共识指向同一个问题:如何让工作不再依赖人盯着 Session。状态独立于进程,任务独立于执行者,系统按事件主动协调。理想状态下,一项长期工作能形成持续循环:触发 → 评估与授权 → 执行 → 结果核验 → 下一步决策。
但让工作不断线,不代表系统已经能持续负责。至少三个问题还没解决:能不能继续?崩溃后怎么恢复?外部操作成功没记录,如何避免重复副作用?应不应该继续?几天前的授权还有效吗?继续得对不对?工作没断,但偏离了目标,谁来发现?
DeepSeek 提出了独立 Watchdog,不仅检查进程是否存活,还尝试判断 Worker 有没有实质进展、是否偏离目标。公开原型还不能代表这些机制已落地。只要系统无法判断工作是否该继续、结果是否可信,人就得继续检查和干预。
有开发者在实践中踩过类似的坑。geoqiao 在 Orca 上给总管 Bot 接了几个项目仓库,不到 24 小时就拉出 29 条待办事项。他看到 Danilo 晒出的“控制室”实时面板,顶部写着“33 个事项正在等你批阅”。人不是 AI 的项目经理。他总结的应对方式:按上下文分 Worker,按职能挂 Skill;日常一个总管 Bot,WIP 上限 3~4 条;只有权限隔离、高频静默巡检、记忆打架时才建新 Bot。这些做法和三个共识方向一致——减少人对 Agent 的持续盯盘。
过去,大家围绕一次模型执行来组织 Agent 的工作;现在,开始围绕持续存在的工作组织每一次模型执行。从持续执行到持续负责,才是 Always-on Agent 下一道门槛。
发布时间: 2026-11-22 06:10