@omarsar0：很高兴看到这个产品正式 GA。长时间运行的智能体可以处理复杂的任务，却仍然会漏掉一个你本以为很简单的步骤……
摘要
JudgmentLabs 面向长时间运行的智能体系统开放了其平台的通用访问权限，旨在挖掘丰富的智能体轨迹数据，以改进未来任务中智能体的部署方式。
查看缓存全文
缓存时间: 2026/10/28 09:33
很高兴看到这个功能正式发布（GA）。
长期运行的 agent 能够处理复杂任务，却仍会漏掉你认为本应轻松完成的某个步骤。我想看看真实使用场景中反映出的这些模式，能为我们揭示接下来该把哪些任务交给它们。
Alex Shan (@alexshander03): 今天，@JudgmentLabs 正式开放使用。
我们相信，长期运行的 agent 系统产生的「余热数据」（exhaust data）将远远超出当前世界所能处理的量。
隐藏在 agent 运行轨迹中的，是关于如何改进这些系统的丰富记录：用户提出了什么需求、agent 在何时出现卡顿，
相似文章
@omarsar0: 如何有效运行自主长时编码代理？这是关于代理的最激动人心的讨论之一……
一场关于如何有效运行自主长时编码代理的录播讨论，包含目标设定、模型选择及最佳实践等见解，现已免费提供。
@omarsar0: 随着智能体工作变得更加复杂，这将变得非常重要。我们对智能体产生的代码进行版本控制。但下一步是…
AgentGit 是一个开源平台，专为AI智能体会话协作设计，使用户能够保存、恢复和分享工作，以在任务交接期间保留上下文。
@omarsar0: 很好的提示。实际上，大致上就是这样让智能体自主运行数小时或数天的。使用 /goal 或 /loop 来继续……
一个分享让AI智能体自主长时间运行实用技巧的帖子，重点介绍Opus模型，涉及权限、动态工作流和验证方面的建议。
@omarsar0: 随着我们针对长期任务中更复杂的编码代理使用（例如，动态工作流和 /goals），你会开始...
讨论了编码代理在复杂长期任务中的挑战，指出了奇怪的用户体验问题和低效的代理交互，并主张对代理框架拥有更多控制权。
@omarsar0: https://x.com/omarsar0/status/2107472222398886011
Omar Santos 提供了一份指南，介绍如何将 TypeSafe AI 的决策模型 Jev 用作 LLM judge 来评估智能体。他展示了相比只看最终回复，读取完整轨迹（工具调用、结果、错误）如何提升生产级评估与监控系统的可靠性和一致性。