Anthropic 详解常驻智能体的五个核心架构原语
Anthropic 于 2026 年 11 月 13 日发布博文《Building always-on agents》,由应用工程师 William Hu 撰写,将常驻智能体的外围架构归纳为事件收件箱、定时器、记忆、权限、发件箱五个核心原语,并说明它们如何协同构成"唤醒—运行—休眠"的无限循环。

常驻智能体五大架构原语协同示意图
Anthropic 发布常驻智能体架构指南
Anthropic 于 2026 年 11 月 13 日发布博文《Building always-on agents》,由应用工程师 William Hu 撰写,拆解了"常驻智能体"(always-on agents)的架构设计。文章称,过去几个月常驻智能体复苏,越来越多客户希望把这类体验集成进自己的产品。
什么是"常驻智能体"
文章将其定义为"有状态且主动"(stateful and proactive)的系统:跨会话管理上下文,并在无直接监督下自主行动。它与其它智能体运行在相同的核心循环(core loop)之上,差异在于外围架构——一组控制"何时被唤醒""哪些信息在运行间保留""成果如何触达用户"的构件(primitives)。
作者强调,常驻智能体并非真的"一直在线"。实际上它大部分时间休眠,周期性被唤醒执行任务。每次工作称为一次"运行"(run):接收事件、完成任务、保存信息。一次运行发生在一个"会话"(session,即消息与工具调用的转录)中,结束后再度休眠,循环往复。
五个核心架构原语
文章将常驻智能体的外围架构归纳为五个核心原语:事件收件箱(event inbox)、定时器(timers)、记忆(memory)、权限(permissions)与发件箱(outbox)。
事件收件箱
大多数 AI 智能体只在用户发消息时运行,而常驻智能体可被 Webhook、计划任务、后台任务等多种事件触发。让每个事件源直接调用智能体存在失败模式:同时到达的事件可能触发相互竞争的运行,崩溃还会直接丢失事件。事件收件箱让每个来源把事件发到一个收件箱,再由 worker 取出处理。
收件箱通常用关系型数据库实现,每条事件作为新行追加并跟踪状态,事件可依据来源提供的唯一标识去重。新事件到来时,处理器将其写入收件箱并唤醒 worker;延续已有工作的事件(如用户回复)会恢复既有会话,其余则开启新会话。
定时器
定时器与事件收件箱一起,使常驻智能体具备主动性。它分为两类:跟进(follow-up,智能体自设的截止时间,如跟进某条回复)与计划(schedule,按固定节奏重复的周期性任务,如每日资讯简报)。定时器存放于独立的持久化存储(通常是另一张数据库表),与收件箱分开——收件箱只保存"已就绪、可被处理"的事件。
定时器本身不会自行触发运行;一个调度器(通常是后台服务)以固定间隔轮询存储并触发到期项。调度器既可自建,也可用持久化执行引擎。
记忆
常驻智能体在大量彼此独立的运行中工作,依赖记忆维持连续性。在 Claude Code 自动记忆、Messages API 记忆工具等产品中,记忆以文件目录实现;对常驻智能体,这些目录应映射到持久化存储(数据库或对象存储),使记忆在 worker 之外存留。
经验法则:记忆只保存智能体无法再次查到的内容;若信息已存在于其它系统(如问题追踪器),则保存一个指针。文章还介绍了"梦境"(dreaming)机制——回顾过往会话整理记忆、替换过时条目并发现跨多次运行的规律。
权限
权限是常驻智能体风险最高的部分。一次运行持有用户的访问权限,且按设计无人值守运行。对每一次工具调用,智能体都要判断是自行继续执行、阻断,还是等待审批。文章指出,权限所需组件与其它的智能体相同。
发件箱
多数 AI 智能体的回复随生成过程流式返回,使用户能跟随推理与作答全过程。常驻智能体则多在后台工作,用户只拿到结果与少量细节。文章称,大多数常驻智能体用一个"发送"(send)工具直接投递消息即可;只有当需要为消息限速、或希望从错误中恢复时,才需要正式的发件箱。
发件箱是一张独立的待发消息表,与事件收件箱类似;同样有类似 worker 的"分发器"(dispatcher,通常是后台服务)读取待发消息、决定投递内容并发送。文章提醒调校发送频率:过多显得嘈杂,过少则遗漏用户所需信息,建议通过评测找到平衡,并让智能体从"安静"起步逐步获得更多注意力。
五个原语如何协同
每次运行都始于收件箱中的一个事件——无论用户消息、Webhook 还是定时器触发。worker 取出事件后开启运行,在新或既有会话中唤醒智能体;智能体读取记忆建立基线,在权限范围内行动。运行结束,智能体向发件箱写入一行,由分发器投递给用户。
由此形成循环:一次运行可设定定时器在之后唤醒智能体,而用户对消息的回复又作为事件回到收件箱。单次运行都很短暂,循环却无限延续——这正是"常驻"之感的来源。
文章还提到,常驻智能体的复苏得益于近期模型进步:最新模型判断力更强、更可靠地理解意图并知道何时介入;智能成本下降,长周期任务受益最大。作者举例,在某长周期编码基准上,Opus 5.5 每解决一个任务的成本比 Opus 5 低 78%,典型工作负载上低 40%。
参考来源
- ▸Building always-on agents — Anthropic 官方博客,William Hu,2026-11-13(首要信源)
- ▸文中"五个核心原语"协同示意图来自上述博文官方配图(assets.claude.com)