JOTO
Contact us
← AI 智库
大语言模型

Always-on Agent,正在形成三个设计共识

2026 年 11 月 22 日

详解Always-on Agent领域最新形成的三大设计共识,快速把握AI代理技术演进方向。核心内容:1. 多任务Agent当前落地的普遍痛点与行业探索背景2. Always-on Agent三大设计共识的具体内涵深度解读3. 不同技术团队的相关落地实践案例梳理

最近终于有空,好好读读 DeepSeek Harness 的《Super-agent 设计探索》,其中有一个判断让我印象很深:
单任务的上限取决于模型能力,多任务的上限取决于人的注意力。
这是 Coding Agent 使用场景中的典型问题。我们已经能把复杂任务交给 Agent 独立完成。但如果同时推进好几件事,仍然需要自己盯着不同的 Session:哪个完成了,哪个在等反馈,哪个失败后需要重新告诉它「继续」。
DeepSeek 团队提到,根据他们的经验,一个人通常只能同时跟进 3~5 个活跃 Session。
Agent 已经能独立执行任务,但让这些工作持续推进,仍然要靠人协调。
这次他们提出的 Super-agent,就是在尝试改变这种分工。它的设置就是有点像一个一直存续的PMO。
更有意思的是,一向坚持极简 Harness 的 Pi 作者 Mario Zechner 公开推荐了这套设计。他还提到,Earendil 也在朝类似方向发展:一个长期存在的主体,按需委派任务,并能接收不同系统的事件。
几天后,LangChain 在《Agents Are Going Async》中,也直接讨论了 DeepSeek 的 Router / Worker 模式。再包括最近一直在研究的 Grokbot,以及之前写的拆解 Grok Bot:最好用的 Bot 是怎么造出来的?。

我发现这些团队虽然做着不同的产品,却在 Always-on Agent 的设计上,开始出现一些相似的选择。我把它们归纳为三个正在形成的共识。

Always-on Agent,正在形成三个设计共识
第一,Always-on 不等于 Always-running。
第二,工作持续存在,执行者按需出现。
第三,自主唤醒不等于自主行动,更不等于通知用户。
从持续存在,到持续执行,再到持续自主。这三个判断,正在改变 Agent 系统组织工作的方式。
01|Always-on 不等于 Always-running
一个长期在线的 Agent,为什么不需要一直运行?
Grok Bot 是一个直观的例子。
用户面对的是长期存在的 Bot,但实际执行命令的 Cloud Computer 可以按需启动、休眠和恢复。Bot 的身份与计算环境不必拥有相同的生命周期。
Pi Durable 则在 Cloudflare 上,用持久化 Session、休眠与定时唤醒,验证了另一种轻量的实现方式。
DeepSeek 的 Super-agent 设计,则从另一个角度讨论了这种分离。
它提出把 Agent Loop 的计算、需要持久化的 Session 状态,以及实际执行代码的环境分别管理。Agent Loop 可以运行在云端,而开发机上的代码、依赖和工具不一定需要全部迁移过去。
这些设计的共同点在于:
长期存在的是 Agent 的身份与状态,而不是某个永远运行的进程。
如果从恢复机制来看,还可以区分不同层次:Memory 保存经验,Durable Workflow 保存执行进度,虚拟机快照帮助恢复运行环境。它们并不能相互替代。
更重要的是,日志记录了工具调用,不意味着外部操作一定成功。执行状态可以恢复,真实结果仍然需要核验。
02|工作持续存在,执行者按需出现
计算环境可以退出,但任务怎么办?
假设一个 Coding Agent 正在修改代码,用户突然追加要求,或者 Worker 运行到一半崩溃。系统如何继续这项工作?
DeepSeek 的 Router / Worker 架构,尝试将全局协调与具体执行分开。
Router 持续接收消息、协调任务;Worker 在独立 Session 中执行工作。
如果所有任务都挤在一个 Session,彼此容易干扰;如果每条消息都新建 Session,又会失去跨任务的连续上下文。
双层架构,就是在连续性与并行执行之间寻找平衡。
而在它开源的 dsh-superagent 原型中,还有一个更值得关注的设计:Ticket。
Ticket 被定义为「一个获得授权的工作单元」。它附带 Mandate,记录谁授权、允许做什么,再通过 Assignment 分配给具体的 Executor。
这意味着,一项工作不再等同于执行它的某个 Session。
Worker 退出后,Ticket 仍然可以存在。系统可以重新分配执行者,让它根据已有记录和外部产物继续处理。
当然,这不代表能够自动无损接力。新 Worker 仍然需要检查此前做过什么、哪些外部操作已经生效。
如果用户中途修改要求,Executor 也不能自行扩大原有 Mandate,而要判断是否需要交回协调流程重新授权。
LangChain 的 Async Subagents 在框架层提供了另一种能力:主 Agent 不必等待后台任务结束,还能查询状态、追加要求或取消执行。
Grok Bot 则让长期 Bot 协调拥有独立 Durable Workflow 的 Helper,从持久化工作流层面支持长任务恢复。
Always-on Agent,正在形成三个设计共识 配图 2
三家的执行保证并不相同,但都在减少任务对单次模型运行的依赖。
相比争论叫 Worker、Helper 还是 Sub-agent,更重要的是:执行者退出后,系统是否仍然知道这项工作该怎样继续?
03|自主唤醒不等于自主行动,更不等于通知用户
LangChain 在《What We've Learned Building Proactive Agents》里分享了一个挺有代表性的例子。
他们的工程 Agent Robin 会关注 Slack 中的讨论,但并不需要每次都参与。
团队专门引入了一个名为 Jev 的决策模型,判断 Robin 什么时候真的有话值得说。它既不需要每次都等人 @,也不会因为看到一条新消息,就突然插进同事们的对话。
Always-on Agent,正在形成三个设计共识 配图 3
Agent 看见了事件,不意味着必须采取行动;即使能够行动,也不意味着应该打扰人。
同样的判断也出现在 LangChain 的销售 Agent 中。GTM Agent 会将邮件会话分成不同情况:哪些正在等待人处理、哪些需要准备回复草稿、哪些根本不需要回复。
系统可以在后台持续工作,但不是所有事情都要变成一条通知。
LangChain 还披露,在其 Managed Deep Agents 的相关运行中,超过 70% 来自定时调度,而非用户临时发起。
当大量工作发生在没有人直接发出指令的时候,判断什么值得做、什么值得告诉人,就成了新的设计问题。
04|从持续执行到持续负责
回头看三个共识,其实都在尝试解决同一个问题:
如何让工作不再依赖人持续盯着某个 Agent Session?
让状态独立于计算进程,让任务独立于具体执行者,再让系统能够根据事件主动协调工作。
这些机制组合起来,一项长期工作就可以形成持续循环:
触发 → 评估与授权 → 执行 → 结果核验 → 下一步决策。
Always-on Agent,正在形成三个设计共识 配图 4
但让工作不断线,并不意味着系统已经能够持续负责。
至少还有三个问题。
能不能继续?Worker 崩溃后怎么恢复?外部操作成功却没有记录时,如何避免重试造成重复副作用?
应不应该继续?一项持续几天的工作,最初的目标和授权是否仍然有效?
继续得对不对?工作虽然没有中断,但如果逐渐偏离目标,谁来发现并纠正?
DeepSeek 在设计中还提出了独立 Watchdog,不仅检查进程是否存活,也尝试判断 Worker 有没有取得实质进展、是否偏离目标。公开原型尚不能代表这些可靠性机制已完整落地。
不过,这个方向很值得关注。
只要系统还无法判断工作是否应该继续、结果是否可信,人就仍然需要不断检查和干预。最初那个注意力瓶颈,也就没有真正解除。
过去,我们更多围绕一次模型执行来组织 Agent 的工作;现在,开始围绕持续存在的工作,组织每一次模型执行。
而从持续执行走向持续负责,可能才是 Always-on Agent 下一道真正需要跨过的门槛。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们
Contact Us

Start your enterprise AI rollout

Tell us your industry, team, and current pain points. We'll get back to you within one business day to help you decide what to tackle first, what data to prepare, and which platform fits.

WeChat
Scan to add us for a 1:1 chat
JOTO WeChat consultation QR code

Tell us what you need

Once we receive your details, we'll be in touch within one business day.