构建可长时间运行 Agent 的实践与思考
**视频 AI 总结**：本视频来自 Anthropic 应用 AI 团队的工程师 Ash 和 Andrew，分享了构建能够长时间运行（数小时甚至数天）的 AI Agent的实践与思考。他们回顾了 Claude Code 从一次性编码工具到支持多日持续运行的演进历程，分析了长时代理面临的上下文有限、规划困难、自我评价偏差等挑战，并重点介绍了他们采用生成器-评估器对抗模式（类似 GAN）来提升代码和设计质量的实验性方法。视频还讨论了如何设计评估器、使用 Playwright 进行自测试、通过文件系统管理状态以及根据模型能力演进简化 harness 设计。 **主要内容**： - 长时运行代理的三大挑战：上下文有限（记忆缺失、上下文腐烂、焦虑）、规划能力差、模型难以客观评判自身输出。 - 应对策略：通过模型权重提升（如 Opus 4.6 支持 12 小时连续运行）和改进 harness 工具（如 Agent SDK、检查点、技能、服务器端压缩）协同进化。 - 核心模式：生成器-评估器对抗模式，将构建与评价分离，让评估器通过 Playwright 实际操作用户界面进行测试和评分。 - 引入计划器角色，将模糊需求分解为高层次规范，并通过生成器与评估器协商达成具体合同（contract），确保测试可量化。 - 实际案例对比：同样指令“构建一个复古游戏编辑器”，简单循环仅能生成半成品游戏（点击无响应），而对抗式 harness 生成了完整可玩的游戏，并包含 AI 辅助功能。 - 调优经验：手动阅读代理运行日志是调试的关键，通过记录评价标准（设计、原创性、工艺、功能）并权重调整来提升品味。 - 模型演进对 harness 的影响：随着模型能力提升（如 Opus 4.6 消除上下文焦虑），可以简化 harness（减少会话重置、降低评估频率），但对抗式评价模式仍然重要。
