Long-Running Agents
一句话：跨天/跨周持续运行的 Agent —— 需要显式的 memory / harness / checkpoint / retry 机制，才能超越 Chat 式短会话的能力上限。是 Harness-Engineering 的一个核心应用面。
与 Chat Agent 的关键区别
| 维度 | Chat Agent（短会话） | Long-Running Agent |
|---|---|---|
| 时间尺度 | 秒-分钟 | 小时-天-周 |
| 上下文 | 单 session context window | 显式 memory 层（RAG / KV / 结构化） |
| 失败恢复 | 用户手动重开 | Checkpoint + auto-retry |
| 代表实践 | ChatGPT / Claude 单轮 | 12-Parallel-Claude-C-Compiler · Codex / Devin |
三大工程要素（Anthropic Harness Design）
- Planner-Generator-Evaluator 三 Agent 分工（GAN 启发）—— 见 13-Harness-Design-Long-Running-Apps
- 显式 Memory 层，不是把聊天记录塞进 prompt —— 见 58-智能体的记忆不是把聊天记录塞进提示词
- Managed Agents 模型：Session / Harness / Sandbox 三层解耦 —— 见 11-Managed-Agents · Brain-Hands-Decoupling
反共识
- “塞进 prompt 就是记忆” 是最常见的伪解决方案 —— 58-智能体的记忆不是把聊天记录塞进提示词 指出真记忆需要”结构 + 检索 + 遗忘”
- “企业智能体平台”多是伪产品：解决不了 long-running 场景 —— 61-为什么企业智能体平台对企业是伪产品
- 并行 > 更强模型：16 个 Long-Running Claude Agent < 1 个 GPT-5，但成本是 1/10 —— 12-Parallel-Claude-C-Compiler
在本 Wiki 中的出现
- 哲学基础：Harness-Engineering · Agentic-Engineering · Brain-Hands-Decoupling
- 并行执行：Parallel-Agent-Teams
- 可观测性：AI-可观测性-四维追踪 —— 长跑必需