长时运行 AgentLong-running Agent

过去两年里，"AI Agent"这个词的含义发生了关键变化。早期 Agent 更像是一个会调用工具的聊天助手——你给它一个问题，它在几轮对话内给出答案。但从 2025 年开始，业界逐渐把注意力转向 长时运行 Agent (Long-running Agent)：能跨小时、跨天、跨多个会话持续推进复杂任务的系统。

让 Agent 真正能"跑很久"，需要在工程上解决三件事：

• 完成条件—怎么判断"任务真的做完了"？不能仅凭模型说"我做完了"，必须有客观可评估的标准。
• 上下文管理—长时间运行意味着对话历史和工具输出会持续膨胀，超出模型上下文窗口。需要压缩、归档、按需检索机制。
• 失败恢复—单步失败不能让整个任务崩盘。需要重试、回滚、状态持久化、必要时人工介入。

这一方向催生了一系列具体能力的成形，包括 Goal 模式（让 Agent 按完成条件自主推进）、Automations / Routines（按计划或事件唤醒 Agent）、跨会话 Memory 等。可以认为：当下主流 AI Agent 产品的演进，几乎都围绕"如何让 Agent 跑得更久、更可靠"这一个核心问题展开。