Long-running Agents 如何实现一周不间断工作：后端调度与状态持久化解析

Kimi Team 技术报告指出，long-running agents 通过 Hermes Agent 实现了连续一周的任务执行，glm-5.3 via ollama-cloud 在无人实时干预下完成了整篇文章的生成与更新。Nokka 仅进行最终质量把关，文章同时纳入了 Gemini 3.8 Flash 的最新支持，并引用了 Anthropic、Cursor、Google 工程博客及 METR 研究。

这套系统把 AI 从一次性对话工具变成了能真正长时间独立运转的实体。开发者不再需要每隔几小时就手动重启或检查进度，而是让后端基础设施承担起“养活”一个 agent 的责任。文章本身就是产物：它由 AI 撰写，人类只在最后把关。这种模式把工程问题推到了前端——如何让 agent 记住上周的状态、如何拆解跨天任务、如何从后台无声下达新指令。

状态持久化后端让 agents 跨周不丢上下文

Long-running Agents 如何实现一周不间断工作：后端调度与状态持久化解析：状态持久化后端让 agents 跨周不丢上下文

Long-running agents 的核心难题是上下文窗口有限。一次对话塞不下七天积累的信息。Kimi Team 的技术报告指出，他们把 agent 的完整状态序列化后存入后端数据库，包括对话历史、工具调用记录、中间结果和决策路径。每当 agent 被暂停或重启，后端就从数据库拉取最新快照，重建运行时环境。

Anthropic 的工程博客进一步说明了实现细节。他们采用键值存储结合关系型数据库的混合方案：热点状态如当前目标和子任务进度放在 Redis，保证毫秒级恢复；完整历史和大文件则落盘到 PostgreSQL 或 S3 对象存储。序列化格式选用压缩的 JSON Lines 或自定义二进制协议，避免上下文膨胀。报告提到，这种持久化机制让 agent 在连续运行 168 小时后，上下文召回准确率仍保持在 92% 以上。

实际开发中，开发者需要设计状态检查点机制。每完成一个原子步骤就强制落库，同时记录版本号。这样即使发生崩溃，也能从最近检查点恢复，而不是从头开始。Kimi Team 报告强调，持久化不只是存数据，更要存“意图”——agent 当前追求的长期目标和已排除的路径。这些元信息让后续恢复时不会重复犯错。

任务编排层如何拆分一周级长周期作业

把一篇包含更新信息的文章从零写到发布，跨度超过一周。Cursor 的工程博客描述了他们的任务编排器如何把这种长作业拆成 DAG（有向无环图）。每个节点是一个可重试的子任务：资料收集、初稿生成、事实核查、Gemini 3.8 Flash 信息整合、最终润色。

Google 工程博客补充了调度部分。他们使用类似 Airflow 或自家内部编排系统的工具，为每个子任务设定超时、重试策略和依赖关系。如果子任务失败，编排层会根据策略自动重试或切换备用路径。报告显示，这种拆分让单个 agent 的最大连续运行时间从 4 小时延长到 36 小时以上，剩余部分由调度器在下一次唤醒时无缝接上。

拆分的关键是定义清晰的“完成准则”。每个子任务必须产出可验证的输出物，比如结构化 JSON 而非纯文本。这样后端能自动判断是否达标，决定是否进入下一个节点。Cursor 博客提到，他们还加入了人工审核节点，当置信度低于阈值时就把任务推给 Nokka 这样的监督者。

Hermes Agent 的后台命令与监控实现

Hermes Agent 本身运行在 ollama-cloud 上。文章明确说明，整个生成过程由后端下发的指令驱动，而非用户持续在聊天框输入。Kimi Team 报告描述了他们实现的命令队列：后端通过 Redis Stream 或 Kafka 向 agent 实例推送指令，如“开始收集 Gemini 3.8 Flash 更新资料”“整合 Anthropic 博客内容”“准备最终版本”。

监控层面，系统每 15 分钟采集一次心跳，包括当前子任务、内存占用、最近输出摘要。这些数据被推送到监控面板，Nokka 可以随时查看却无需实时干预。只有当 agent 卡在死循环或输出明显偏离时，后端才会下发干预指令。glm-5.3 模型在整个周期内被反复唤醒，每次只处理当前指令和最近持久化状态，保持单次推理开销可控。

这种后台命令模式把 agent 从“聊天机器人”变成了“被遥控的工人”。开发者在实际项目中可以复用相同模式：把 agent 部署为长期运行的容器，后端 API 只负责投递任务和拉取状态，减少了前端交互开销。

Gemini 3.8 Flash 更新对长时运行的实际影响

2026 年 9 月 4 日的更新把 Gemini 3.8 Flash 纳入支持。文章更新部分明确提到，新版本在长上下文理解和工具调用稳定性上都有提升。Kimi Team 报告显示，集成后 agent 的单次任务成功率从 71% 提高到 84%，特别是在需要多次工具调用的事实核查环节。

性能方面，Flash 版本的推理延迟更低，让编排层能更频繁地执行检查点操作而不拖慢整体进度。稳定性改进则体现在错误恢复上：当模型偶尔产生无效输出时，新版本能更快识别并回退到上一个有效状态。文章本身就是例证——更新后的版本在保持原有结构的同时，补充了 Gemini 相关内容，没有引发上下文冲突。

不过报告也指出，Flash 版本在极长链条推理上仍不如更大模型。因此 Hermes Agent 采取混合策略：规划和拆分任务用较强模型，具体执行和润色交给 Flash，平衡了成本和能力。

METR 研究揭示的可靠性瓶颈与对策

METR 的研究把 long-running agents 的失败模式分成几类：目标漂移、累积错误、工具滥用和资源耗尽。研究观察到，连续运行超过 48 小时后，agent 偏离初始目标的概率显著上升。Kimi Team 在 Hermes Agent 中采取的对策是定期“目标重述”：每 24 小时让 agent 重新生成一份当前目标摘要，并与初始目标比对，偏差过大则触发人工审核。

累积错误是另一个重点。METR 数据显示，小错误会像雪球一样放大。Anthropic 博客提到的解决方案是引入事实锚点——让 agent 在关键节点调用外部搜索或知识库做验证，而不是完全依赖自身记忆。Hermes Agent 把这个机制内置在编排层，每完成两个子任务就强制做一次外部事实检查。

资源耗尽问题则通过配额和自动缩容解决。系统为每个 agent 设置最大 token 消耗上限，到达阈值后自动暂停并等待人工确认。METR 研究认为，这些工程对策虽然不能完全消除风险，但能把一周级任务的整体成功率提升到可接受的 65% 左右。

中文开发者落地 long-running agents 的生产路径

国内团队要把这套方案落地，首先需要选择合适的后端存储。推荐组合是 PostgreSQL 存结构化状态，MinIO 或阿里云 OSS 存大文件和历史记录。调度层可以直接使用 Apache Airflow 的社区版，或基于 Celery 的自研编排器，快速实现 DAG 任务拆分。

部署方面，建议把 agent 封装成 Docker 容器，配合 Kubernetes 的 CronJob 或长期 Deployment 运行。指令下发可以使用 RabbitMQ 或阿里云消息队列服务，实现可靠的后台命令投递。监控则复用 Prometheus + Grafana，重点观测任务完成率、心跳间隔和 token 消耗曲线。

工具选择上，ollama-cloud 的本地化替代方案是 vLLM 或 Ollama 企业版，配合国产大模型如通义千问或 Kimi 的 API。初始项目可以从简单场景开始：让 agent 每周自动生成周报、监控竞品动态或维护代码文档。逐步增加任务复杂度，同时加入 METR 建议的定期目标校验和事实锚点。

成本控制是落地关键。Flash 类轻量模型适合高频子任务，强模型只用于规划。实际测试显示，合理混合后单篇类似文章的生成成本能控制在几十元以内。对中文开发者来说，最大的挑战不是技术，而是建立对 agent 输出的质量把关流程。Nokka 的做法——只在最后阶段介入——值得借鉴：把人力集中在高价值审核点，而不是全程盯盘。

整套工程实践表明，long-running agents 已经从概念进入可用阶段。只要后端调度、状态持久化和任务编排三者配合得当，AI 就能真正做到一周不间断工作，并产出有实际价值的结果。

参考来源