@addyosmani 最近写的关于「长效运行的智能体」非常硬核且启发性十足。

随着我们在全栈软件开发和技术架构上的不断探索，单次对话式的 AI 辅助已经逐渐显露出明显的局限性。当我们尝试通过编写详尽的系统文档和接口规范来驱动 AI 替我们完成复杂的工程任务时，经常会发现模型会遗忘早期的上下文，或者在任务只完成了一小部分时就草率宣告结束。这篇文章正好为我们指明了下一个重要的技术演进方向，也就是「长效运行」的 AI 智能体。

这篇文章的核心观点非常清晰。过去两年，大家对 AI 的普遍认知基本停留在聊天窗口和一问一答的简单循环中。你输入一个目标，看着代码一行行生成，当上下文完全填满时，这个工作流就被迫终止了。这种模式的天花板非常明显。行业未来的趋势是那些能够跨越多个会话、多个执行沙盒，甚至持续运行数天到数周的智能体。它们具备极强的系统韧性，能够从失败中自动恢复，留下结构化的工作成果，并在下次启动时完美接续之前的进度。想象一下，当一个智能体可以持续自主运行 30 个小时，独立完成一个复杂的全栈代码迁移项目时，这种经济价值的跨越将彻底改变我们评估技术投入的方式。

构建这样的长效智能体面临着三面难以逾越的高墙。 - 首先是上下文窗口的物理限制。即使是拥有 100 万 token 的超大窗口，在长时间的运行中也会出现上下文腐烂的现象，导致模型性能严重下降。

• 其次是缺乏持久化状态。如果没有外部记忆机制，每次会话重启就像是全新的实习生入职，完全不知道上一个班次发生了什么。

• 最后是自我验证的天然缺陷。模型在评估自己的工作时往往盲目自信，极其缺乏客观独立的质量把控机制。