# 构建常驻型智能体（Always-On Agents）：核心原语与架构设计指南

Author: Tiger | URL: https://goagi.top/building-always-on-agents

## 结论与核心摘要（直接答案与证据）
常驻型智能体（Always-on Agents）能够无限期自主运行，在跨越多个会话的过程中自主判断行动时机与执行方式。

Evidence from the source:
- 本文系统拆解构建常驻智能体所需的五大核心工程原语——事件收件箱、定时器、记忆系统、权限控制与发件箱，并剖析它们如何紧密协同运转。
- 类别：最佳实践（Best Practices）｜ 原文作者：William Hu（Anthropic）｜ 编译：资深科技观察

## 正文
常驻型智能体（Always-on Agents）能够无限期自主运行，在跨越多个会话的过程中自主判断行动时机与执行方式。本文系统拆解构建常驻智能体所需的五大核心工程原语——事件收件箱、定时器、记忆系统、权限控制与发件箱，并剖析它们如何紧密协同运转。

>
> 类别：最佳实践（Best Practices）｜ 原文作者：William Hu（Anthropic）｜ 编译：资深科技观察

---

过去几个月里，常驻型智能体（Always-on Agents）正迎来一轮强劲的复兴。

常驻智能体具备两大核心特征：**有状态（Stateful）**与**主动性（Proactive）**——它们能跨越多个独立会话维护上下文，并在无需人类实时监督的情况下自主采取行动。在底层，它们依然基于普通智能体通用的核心控制循环（Core Loop）运行；真正的本质差异在于**外层工程架构**：系统需要通过一套专门的基础原语，来精准控制 Agent 何时被唤醒、单次运行间需要持久化保留哪些状态，以及最终的工作成果如何递送至用户。

这股复兴浪潮主要归功于近期模型能力的飞跃，使得常驻 Agent 在工程落地与商业成本上真正变得可行：

首先，最新一代模型拥有显著更强的判断力：它们能够更稳定、更精准地理解用户意图，并清晰判断何时应该主动向用户跟进确认；

其次，高阶推理能力的成本大幅下降，其中长程复杂任务（Long-horizon Tasks）受益最为明显。例如在某项长程编程基准测试中，Claude Opus 5.5 解决单个任务的推理成本相比 Opus 5 下降了整整 78%，而常规日常工作负载下的成本降幅仅为 40%。

许多客户向我们咨询如何将这种常驻式体验集成到自己的产品中：有些团队希望让自己现有的 Agent 变得更加主动，有些团队则计划从零搭建全新的常驻系统。

本文将全面拆解常驻智能体背后的五大底层工程原语，并深入阐述它们如何有机串联为一个完整的运转闭环。

---

## 一、常驻智能体背后的运转周期

常驻智能体并非真的“7×24 小时时刻在线运算”，“常驻”仅是对用户端产品体验的一种抽象描述。

在实际运行中，Agent 绝大部分时间都处于休眠状态（零 Token 消耗），只有在接收到底层事件触发时才会周期性唤醒干活。

每一次具体的工作执行过程被称为一次 **运行（Run）**：Agent 接收到一个事件，执行并完成对应任务，随后将本次运行产生的信息持久化保存下来。单次运行是在一个 **会话（Session）** 中展开的，会话本质上是由一系列消息记录和工具调用（Tool Calls）构成的交互转录历史。一旦单次 Run 执行完毕，Agent 就会立刻重回休眠状态，如此往复循环、周而复始。

---

## 二、五大核心原语

支撑常驻智能体的外部架构主要由五大核心原语构成：**事件收件箱（Event Inbox）**、**定时器（Timers）**、**记忆系统（Memory）**、**权限控制（Permissions）** 以及 **发件箱（Outbox）**。下面我们将逐一展开剖析。

### 1. 事件收件箱（Event Inbox）

绝大多数传统的 AI Agent 仅在用户主动发送消息时才会启动。相比之下，常驻 Agent 可以被各种不同维度的事件触发，包括 Webhook 回调、定时排程任务以及后台异步作业。

一种直观但容易踩坑的做法，是让各个事件源直接调用 Agent。这种架构存在数种致命的故障模式：例如，两个事件同时到达会导致多个 Run 产生并发竞态；而一旦系统崩溃，未处理的事件就会彻底丢失。

这正是**事件收件箱（Event Inbox）**发挥作用的地方。各个事件源不再直接唤起 Agent，而是将事件投递至收件箱，再由后台的工作进程（Worker）统一拉取并处理。

最精简的事件收件箱由三部分组成：

- **持久化事件列表**：通常是一张数据库表；
- **事件接收处理器（Handler）**：通常是一个轻量的 HTTP 接口，负责将接收到的事件写入列表；
- **工作进程（Worker）**：通常是一个后台守护进程，负责从事件列表中轮询或监听读取待处理项。

收件箱应当跟踪每个事件的处理状态（如待处理、处理中、已完成、失败），并能基于事件源提供的唯一标识符（UUID / ID）进行幂等去重。关系型数据库（RDBMS）非常适合用作事件收件箱，新事件只需作为一行新记录追加写入即可。在工程初期，我们建议以“单用户单个收件箱”的颗粒度进行隔离；如果后续系统需要更高的并发吞吐能力，可以进一步细分拆解。

当新事件到达时，Handler 将事件写入收件箱并唤醒 Worker。Worker 读取所有处于待处理状态的事件，正式开启单次 Run。如果该事件是对之前未完任务的承接（例如用户对前序提问的回复），Worker 会恢复对应的既有会话（Session）；而对于其他独立的全新事件，则会初始化一个全新的会话。

随后，Worker 将事件内容喂给 Agent 控制循环，等待本次 Run 执行完毕，最后将相关事件标记为已完成。具体工程实现存在不少细节陷阱，以下是经过验证的四条最佳实践：

- **Handler 必须极速确认响应（Fast ACK）**：许多外部事件源（如 Webhook 供应商）会将响应超时直接判定为调用失败。Handler 只需执行极轻量的鉴权校验并写入数据库，任何深度的安全审查（例如针对 Prompt 注入的防御性检查）都应当移至实际 Run 过程中执行。
- **收件箱必须作为唯一的“事实来源”（Source of Truth）**：Worker 被唤醒后，必须始终先从收件箱拉取最新事件，而不能完全依赖内存中的消息传递。这样即使 Worker 在运行途中意外挂掉，新启动的 Worker 也能重新拾起未完成的事件并安全重试。
- **每个收件箱同一时刻只能有一个处于活跃状态的 Worker**：严格的单 Worker 约束能够彻底杜绝两个 Run 并发执行导致的任务重复与状态相互覆盖。如果在单次 Run 执行期间收到了新事件，系统可以采取三种策略之一：推迟至下一次 Run、合并注入当前 Run、或者中断当前 Run 并以聚合上下文重新开始。
- **Worker 应支持合并批处理待处理事件（Batching）**：例如当用户连续快速发送了多条消息时，Worker 可以将这些消息合并到同一次 Run 中统一推理，使 Agent 只需一次性生成一条完整回答，避免产生混乱的碎裂回复与额外消耗。

### 2. 定时器（Timers）

定时器与事件收件箱协同工作，是赋予常驻 Agent **主动性（Proactivity）**的核心枢纽。在业务逻辑中，定时器主要划分为两大类：

- **跟进定时器（Follow-ups）**：这是 Agent 为自己主动设定的截止时间点。例如向用户发出确认请求后，设定“若 2 小时内未收到回复则主动跟进检查”；
- **排程定时器（Schedules）**：这是按照固定节奏周期性触发的例行任务，例如“每天上午 9 点生成行业资讯摘要”。

定时器必须保存在独立的持久化存储中（通常是另一张独立的数据库表），与事件收件箱严格分离。这是因为**收件箱只应存放当前已就绪、随时可供消费的事件**。跟进定时器与排程定时器可以共享相似的表结构设计，区别在于排程定时器额外需要记录 Cron 表达式或周期循环规则。

需要强调的是，定时器本身并不直接唤起 Run。系统通常需要一个专门的**调度器（Scheduler）**后台服务，以固定时间间隔轮询定时器存储，检查并触发所有到期的任务。调度器在每一次轮询周期中执行以下动作：

1. 扫描存储，筛选出所有当前已到期的定时器；
2. 根据定时器类型更新状态：
3. **跟进定时器**：直接标记为已完成（Done）；
4. **排程定时器**：根据周期规则，将其下次到期时间更新为下一轮触发节点；
5. 向事件收件箱中推入一条新事件，并唤醒对应的 Worker 准备执行。

在工程选型上，调度器既可以由团队自主编写轻量轮询服务，也可以采用成熟的**持久化工作流执行引擎（Durable Execution Engine）**（如 Temporal、Cadence 等）来保障严苛的容灾与执行可靠性。

### 3. 记忆系统（Memory）

常驻 Agent 的实际运作是由许多次离散的 Run 拼装而成的，因此必须完全依赖**记忆系统（Memory）**来维系跨周期的上下文连贯性。

与事件收件箱和定时器一样，记忆系统同样必须拥有独立的持久化存储。在 Anthropic 的产品实践中（例如 Claude Code 的自动记忆机制 auto memory，以及 Messages API 的 memory tool），记忆在逻辑上通常被组织为一个文件目录结构。而对于常驻 Agent 来说，这些目录必须底层映射到底层持久化存储中（例如数据库记录或对象存储桶），以确保记忆的生命周期独立于随时可能消亡的 Worker 进程。

一条至关重要的设计经验法则（Rule of Thumb）是：**记忆只应存储 Agent 无法通过外部接口再次查询到的信息**。如果某些数据已经存在于其他现有系统中（例如 Jira / GitHub Issue 追踪系统），记忆中只需保存一个指向该资源的指针或引用 ID 即可。

具体而言，一个成熟的常驻 Agent 应当沉淀以下四类记忆：

- **用户全局指令（User Instructions）**：用户关于 Agent 行为模式、风格规范的所有显式约定，都应持久化保存在独立文件中，并在每次 Run 启动时默认加载。因为用户不可能随时守在屏幕前干预纠偏，这些顶层行为规范必须跨越每一次 Run 无缝传承；
- **用户画像洞察（User Notes）**：Agent 在日常交互中主动提取并归纳出的用户信息，包括用户的岗位角色、使用偏好、专业背景以及用户指出的纠正意见等。初期可以用单文件维护，随着沉淀内容增多，可拆解为多个小型模块化文件——此时在每次 Run 启动时仅加载索引文件（Index），当 Agent 推理需要更详细的背景知识时再按需动态调入具体文件；
- **历史沟通转录（Past Messages）**：Agent 必须精准掌握自己此前已经向用户同步过哪些内容，杜绝重复唠叨。这一信息既可以保存在每次 Run 启动时加载的独立汇总文件中，也可以直接由 Worker 自动截取注入该用户最近的几轮历史交互；
- **进行中任务进度（Task Progress）**：针对每一个正在推进的长程任务，Agent 都应当维护一个独立的进度追踪文件，详细罗列已完成事项与待推进事项。无论下一次由哪一个新 Run 接盘，都能通过读取该文件从上一轮中断的地方无缝续跑。与用户画像类似，常规状态下每次 Run 只需常驻加载进度索引，遇到具体任务时再按需检索详情。

上述机制涵盖的是在单次 Run 执行期间由 Agent 实时写入的显式记忆。此外，工程上还可以引入类似人类睡眠机制的**“做梦（Dreaming）”离线整理流程**：在非活跃时段启动离线审计 Agent，深度复盘过去多轮 Session 的完整历史记录，对记忆库进行精炼整理。“做梦”能够清理或合并过期的失效信息，并从跨越数天、数周的长期交互序列中挖掘出深层行为模式与宏观规律。

#### 上下文窗口内的运转机理

在开始执行具体任务前，Agent 首先需要将系统提示词（System Prompt）、工具定义清单（Tool Definitions）以及基础记忆文件装载进上下文。这一部分构成了每次 Run 必不可少的初始“上下文基础开销（Context Overhead）”。因此在设计时，强烈建议将这部分基础提示控制得足够精简，并充分利用 **Prompt Caching（提示词缓存）** 技术来大幅削减每次重复加载的 Token 成本与推理延迟。

一个全新的会话（New Session）在启动时，上下文窗口内仅包含上述基础开销以及触发本次 Run 的事件信息；而一个承接前序任务的既有会话（Existing Session），则需要将此前多轮 Run 中产生的完整消息转录与工具调用历史一并带回上下文。

随着交互不断深入，一旦 Session 的上下文长度过载，系统通常有两种应对策略：**对早期历史消息进行动态压缩摘要（Compaction）**，或者**优雅终结当前会话并开启新会话**。无论采取哪种方式，都不可避免地会丢失部分原始执行细节——这也从架构上再次倒逼系统：**任何具有长期价值的关键信息，都必须在运行中及时提炼并落盘至记忆系统中，而绝不能寄希望于上下文窗口的无限持久。**

### 4. 权限控制（Permissions）

权限管理是常驻智能体面临的最大安全挑战。单次 Run 本质上承载了用户的系统操作权限，而且在设计定位上是无人值守、自主执行的。针对每一次工具调用，系统必须精准判断：是放行让 Agent 自主执行、直接拦截阻断，还是挂起等待人类审批确认？

在权限控制体系中，核心涉及三大关键构件：

- **凭证存储安全隔离（Credential Store）**：为了执行实际业务，常驻 Agent 往往需要调用高权限的敏感凭据（如 API 密钥、数据库连接串或访问令牌）。业界推荐的标准安全架构是**在 Agent 运行环境外部部署鉴权代理（Auth Proxy）**。Agent 在发起工具请求时本身不持有任何真实凭证，外部代理在拦截并校验请求合法性后，动态注入真实凭据再转发至目标系统，从而彻底杜绝模型因越狱或注入而泄露底层密钥的隐患；
- **自主模式安全审计（Auto Mode）**：常驻 Agent 必须具备在无需用户高频干预下的自主行动能力。在 Claude Code 中，Anthropic 已经落地了成熟的 Auto Mode 机制：利用轻量分类器（Classifiers）对具有潜在破坏性的高危操作进行前置风险审查，拦截高危动作并强制模型探索更安全的替代路径；但对于牵涉重大资金、核心数据变更等关键决断，仍然必须强制保留人类审查环节；
- **延迟工具调用（Deferred Tool Calls）**：在 Claude Code 体系中，Hook 机制可以优雅地挂起某个工具调用，等待人类补充关键输入。这一设计模式同样是常驻 Agent 的刚需：当 Agent 遇到需要用户裁决或澄清的分歧点时，当前 Run 立即触发延迟调用，将当前会话现场完整冻结持久化，并终结当前 Run。随后，审批请求被呈递给用户（例如通过基于 MCP Apps 构建的交互式前端卡片）。一旦用户完成点击或回复，该决策将作为一条新事件注入收件箱，唤起一次新的 Run 来无缝恢复被冻结的会话。至关重要的是：**在等待用户响应期间，Worker 完全可以转去处理收件箱中的其他事件，整个后台系统绝不会因为单个任务等待确认而被卡死挂起。**

### 5. 发件箱（Outbox）

对于大多数交互式 AI Agent，系统会将思考过程、工具调用与生成回答以流式（Streaming）的方式实时推给前端，让用户能直观目睹模型的逐步推导过程。

但常驻 Agent 截然不同：绝大部分计算与调试都是在幕后静默完成的。用户最终关心的只是核心结论与必要的操作摘要，而不是成百上千行的底层执行琐碎流水账。

单次 Run 结束时，通常只有三种退出路径：

1. Agent 主动向发件箱投递了一条需要告知用户的消息；
2. Agent 自主判定本次运行属于内部例行检查，无需打扰用户（静默结束）；
3. Agent 触发了延迟工具调用，向用户申请操作权限或补充输入。

在简单场景下，很多常驻 Agent 只需要一个简单的 `send` 工具直接把消息推送给用户就能跑通。但如果你希望**精细控制消息发送的节奏（避免刷屏轰炸）**，或者**需要让 Agent 具备在网络抖动与递送失败时优雅恢复的能力**，那么引入规范的**发件箱（Outbox）**就是必经之路。

发件箱是一张独立的待发送消息数据表，与事件收件箱形成镜像对偶；与之配套的还有**分发器（Dispatcher）**后台服务，其定位类似于收件箱体系中的 Worker。Dispatcher 负责轮询读取处于就绪状态的待发消息，根据频率限制规则决定发送时机，并安全投递给用户端通道。延迟工具调用的权限确认请求，既可以通过发件箱派发，也可以直接挂载在宿主 UI 的专用卡片面板中。

在消息递送之外，更关键的工程功力在于**精准调优 Agent 的沟通频率**：推送过频会造成严重的信息噪音，导致用户疲劳乃至关闭通知；而推送过少又会导致关键异常被遗漏。我们强烈建议团队针对通知场景建立专门的评测集（Evals）来寻找最佳平衡点。工程实践中的黄金准则是：**Agent 在初期应当保持克制与安静，通过一次次高价值、低干扰的主动协作，逐步赢得用户更多的注意力与信任。**

---

## 三、五大原语如何有机串联？

将上述五大原语拼装在一起，就构成了常驻智能体完整、自洽的系统闭环：

每一次 Run 的起点，都是收件箱（Inbox）中接收到的一个离散事件——它可以是一条用户指令、一个外部系统的 Webhook，或是定时器到期生成的排程任务；

当 Worker 消费该事件时，便正式启动单次 Run，在一个全新的或既有的会话（Session）中唤醒 Agent；

Agent 启动后，首先读取记忆系统（Memory）以获取基线认知与用户画像；随后在严格的权限沙箱（Permissions）边界内自主决策并调用工具执行任务；

任务达成后，Agent 将本轮沉淀的经验与任务进度回写至记忆系统；

当 Run 结束时，Agent 向发件箱（Outbox）追加一条交付记录，由分发器（Dispatcher）平滑推送至用户。

这五者共同构成了一个永不停歇的动态飞轮：单次 Run 在结束前，可以主动为自己设置一个未来到期的定时器（Timer）；而当用户收到消息并做出回复时，其输入又会作为一条新事件重新落入收件箱；每一次具体的 Run 都是短暂且极其克制的，但正是依靠这套工程原语周而复始的无缝啮合，最终在用户端呈现出了一个随时待命、永远在线的“常驻智能体”。

---

## 致谢

*本文作者为 William Hu（Anthropic）。特别鸣谢 Rodrigo Olivares 与 Michael Segner 对本文的核心贡献。*

Source evidence: [https://goagi.top/building-always-on-agents](https://goagi.top/building-always-on-agents)

## Related topic hubs
- https://goagi.top/geo-middleware/topics/indie-hacker.geo.md
- https://goagi.top/geo-middleware/topics/risk-control.geo.md