@aiDotEngineer: Most agents die after a few seconds. @AnthropicAI's workshop shows how to build agents that run for hours. full 75-min …

Most agents die after a few seconds. @AnthropicAI’s workshop shows how to build agents that run for hours. full 75-min session with Ash Prabaker & Andrew Wilson.

https://t.co/nHzXiMussk https://t.co/9O0fQNx5GH

TL;DR

Anthropic 的应用 AI 团队分享了如何构建能持续运行 5–6 小时甚至更久的智能体（Agent），核心挑战包括上下文管理、规划与自我验证，并通过配套工具（Claude Code/Agent SDK）的迭代与模型升级共同演进，实现了从“几分钟崩溃”到“连续工作数天”的突破。

为什么智能体难以长时间运行？

当智能体被要求执行复杂编码任务（例如“写一个浏览器”或“克隆 Slack”）时，往往在几秒到几分钟内就会失败。原因可归纳为三类：

• 上下文有限：每次新会话如同失忆，需要记忆组件；长时间运行会导致“上下文腐化”（连贯性下降）；模型在接近上下文窗口末尾时会出现“上下文焦虑”，急于完成任务。
• 规划不足：模型开箱即用不擅长规划，可能尝试一次搞定所有事、只完成一半功能，或在耗尽上下文时留下半成品。
• 自我验证困难：模型有“迎合”倾向，会误判自己的输出（例如认为按钮功能已实现，实际后端并不存在）。

解决思路分两条：一是改进模型本身（如通过更强的基础模型延长无工具辅助的运行时间）；二是优化“配套工具”（scaffolding），即围绕模型的脚手架。

历史回顾：从“勉强跑 20 分钟”到“持续运行数天”

史前时期（约一年前）

• Sonnet 3.5 是第一个展现代码潜力（能验证并迭代自己构建的内容）的模型。
• 同时推出 Computer Use（点击、截图、测试代码）和 MCP 规范（工具调用）。

Claude Code 阶段（2025 年 2 月）

• 发布 Sonnet 3.7，在 Swebench 上达到顶尖水平。
• Claude Code 以研究预览版发布，目标是通过开发者使用方式指导模型改进。
• 核心思路：模型与配套工具共同演进。

工具与模型的协同改进（2025 年中）

• Opus 4 / Sonnet 4（约 2025 年 5 月）：模型在管理自身上下文和完成任务方面显著提升，不再出现奖励黑客等问题。
• Agent SDK（原 Claude Code SDK） 发布，包含核心智能体循环：Claude 决定下一步、调用工具（可来自 MCP 服务器）、委托子智能体，并引入 claude.md、加载的技能、斜杠命令等上下文。
• 同时引入 Ralph Loop 技术（由 Jeffrey Huntley 提出）：将 prompt 分解为功能列表，每次用全新上下文窗口处理一个任务，迭代直到完成。Claude Code 的版本在单个会话中运行，依赖压缩而非新建上下文。

2025 年中后期：更强模型与更多配套工具

• Sonnet 4.5 增强上下文感知，能追踪 token 消耗并主动管理上下文。
• Claude Code 2.0 引入检查点（checkpoints），可回退到会话早期状态。
• Haiku 4.5 与 Opus 4.5 系列大幅降低成本，允许运行多个子智能体。Opus 4.5 在规划上极为出色（适合作为规划智能体），Sonnet 4.5 作为执行主力。
• Skills（技能） 采用“渐进式披露”：只加载技能标题，实例化时才加载完整内容，避免提前占用上下文。
• 程序化工具调用：通过编写代码一次运行一系列工具调用，只取回最终结果，减少上下文占用。

长时间运行智能体的第一篇博客文章（约 2025 年 11 月）

• 配套工具将模糊的用户指令（如“创建 Slack 克隆”）分解为持久化产物：
  • 功能列表（featurelist.json，模型不易覆盖 JSON）
  • 进度文件
  • Git 仓库初始化
  • 启动脚本
  • 功能完成标志（是否通过所有测试）
• 循环流程：
  1. 全新上下文窗口 → 获取当前状态（工作目录、进度文件）
  2. 冒烟测试 / 启动脚本（避免每次重新探索服务器）
  3. 选择一个未通过测试的功能
  4. 仅实现该功能并执行实际测试（类似人类用 Puppeteer）
  5. 若通过则提交 Git commit，更新状态为“通过”
  6. 继续循环直到所有功能完成

最新进展：Opus 4.6 / Sonnet 4.6 与 Agent Teams

• Sonnet 4.6 以 Sonnet 的价格提供 Opus 级别的智能，成为 Claude Code 的主力。
• Opus 4.6 高度“智能体化”，在简单配套工具下的运行时间从约 4 小时跃升至 12 小时。
• Agent Teams 允许用户搭建自定义智能体团队，子智能体之间可直接通信，无需每步都向主智能体汇报。同时引入服务端压缩，进一步优化上下文。

核心经验总结

• 模型与配套工具必须共同演进。每次模型发布时，配套工具也会同步更新。
• Ralph Loop 的价值在于可预测的失败比不可预测的成功好，通过分区上下文与迭代完成复杂任务。
• **持久化产物（如 featurelist.json）**比 markdown 更可靠，减少模型覆盖文件的风险。
• 测试与验证循环是确保长时间运行稳定性的关键，尤其是让模型能自判断输出而非迎合用户。

Source: YouTube 视频：@aiDotEngineer: Most agents die after a few seconds. @AnthropicAI’s workshop shows how to build agents that run for hours. full 75-min …