构建长效Agent
功能清单、增量开发与端到端实现
smart_toy 长效Agent的定义与挑战
长效Agent是一种能够长期自主运行、灵活调用各类工具处理复杂任务的智能系统，与传统Agent相比更注重长期稳定运行和持续学习能力。
psychology
核心特点
- 自主性：能根据环境变化自动调整行为
- 反应性：能对外界刺激作出及时反应
- 主动性：能主动采取行动达成目标
- 社会性：能与其他Agent或人类协作
- 进化性：能积累经验并优化自身行为
warning
核心挑战
- 离散会话：每个新会话开始时没有之前的记忆
- 上下文限制：大多数复杂项目无法在单个上下文窗口中完成
- 状态管理：需要找到方法桥接编码会话之间的差距
format_list_bulleted 功能列表设计原则
格式选型
- Markdown：结构松散，易于编写但容易产生幻觉或误删
- JSON：结构刚性，防止模型擅自修改结构
核心逻辑
- 规模(Scale)：需列出200+细分功能
- 状态(State)：默认必须为"passes": false
- Prompt强硬指令：限制模型行为
{
"category": "functional",
"description": "New chat button creates a fresh conversation",
"steps": [
"Navigate to main interface",
"Click the 'New Chat' button",
"Verify a new conversation is created",
"Check that chat area shows welcome state",
"Verify conversation appears in sidebar"
],
"passes": false
}
warning
Prompt强硬指令示例
"绝不允许删除或编辑测试用例..你只能修改'passes'字段的状态。"
architecture 两部分解决方案
Anthropic提出的两部分解决方案，解决了Agent在多个上下文窗口中工作的核心挑战：
1
初始化Agent
第一个Agent会话使用专门提示，设置初始环境：init.sh脚本、claude-progress.txt文件和初始git提交
2
编码Agent
每个后续会话要求模型只做增量进展，然后留下结构化更新，确保环境处于干净状态
settings
初始环境设置
- init.sh脚本：初始化项目环境
- claude-progress.txt：记录Agent已完成的工作
- 初始git提交：显示添加的文件
- 功能列表文件：定义所有需要实现的功能
code
增量进展管理
- 一次只处理一个功能
- 使用git提交记录进展
- 在进度文件中编写摘要
- 保持代码整洁和文档完整
bug_report 测试策略
Agent倾向于在没有适当测试的情况下将功能标记为完成，因此需要专门的测试策略：
rule
端到端测试
- 使用浏览器自动化工具进行测试
- 模拟真实用户操作流程
- 通过截图验证功能状态
- 识别和修复代码中不明显的错误
build
测试工具
- Puppeteer MCP服务器
- 单元测试框架
- API测试工具（如curl命令）
- 视觉回归测试工具
测试挑战
- Agent视觉能力限制
- 浏览器自动化工具的局限性
- 难以识别所有类型的错误
测试最佳实践
- 明确提示进行端到端测试
- 使用人类用户的方式进行测试
- 记录测试结果和错误日志
apps 应用场景与案例
business_center
自动化办公
- 文档处理与分类
- 邮件自动回复与分类
- 日程管理与提醒
account_balance
财务自动化
- 发票识别与处理
- 凭证自动生成
- 税务合规性校验
support_agent
智能客服
- 多轮对话管理
- 问题智能解答
- 用户情感分析
create
内容生成
- 文章自动撰写
- 代码生成与优化
- 创意设计与辅助
trending_up 未来发展趋势
groups
多Agent协作系统
多个专业Agent协同工作，通过分工协作解决复杂问题，提高整体效率和准确性
smart_toy
具身智能
Agent与物理世界的交互能力增强，能够操作实体设备，实现更广泛的应用场景
psychology
自我学习与进化
Agent具备更强的自我学习能力，能够从经验中不断优化自身行为模式
security
安全性与可控性
更强大的安全机制和控制手段，确保Agent行为符合预期，防止意外后果
memory
多上下文窗口工作流程
优化Agent在多个上下文窗口间的工作流程，实现更高效的长期任务处理
visibility
增强的视觉能力
更强大的视觉识别能力和浏览器自动化工具，提高测试和验证的准确性