几小时的编程长任务到底是怎么做到的？

给权限，比如 yolo 模式,加上支持自动任务的框架，比如 ralph 。
其实你让 AI 给你写个自动运行的工作流也一样。

这个我之前也想了一下，应该是要加入记忆插件吧，或者类似记忆的能力， 比如要求先写计划书、每次功能编写都进行 git 归档，然后隔一段时间就让他自己 git log 看看完成任务，同步标记计划书，这个很多 ai 编辑器工具应该都具备，比如 kiro 的 plan 模式

插个眼，
中间状态飘了，最后产出根本没法收敛回来。

三个方案
1：claude.md 或 memory 文件里写任务，直接让他干，等自动压缩能续上
2：主 agent 只调度，串行启动子 agent 干活
3：脚本循环启动

我用的 glm 搭配 cc ，1 很不稳，上下文大了容易坏。2 能干挺久挺稳。3 能无限干，实测好几天，还加了多角色切换

oh-my-claudecode 的 ralph 可以执行长任务

昨晚执行了一个 2h30m 左右的任务,就是一个 flutter 项目 clone 下来之后,让他成功运行并 build apk 和 ipa 出来,提示词就说一直做出 apk 为止,中途不要询问,不要停止,不要等待

前两天试用 gsd-pi ，前期对好需求就可以进入 auto mode 了

你只要减少代码洁癖就可以做到

插个眼，现在跑了 16 分钟，看看最后跑完需要多久。

https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents

claude 之前有过一篇 blog 讲这个问题，大概的思路是：
1. 拆分任务
2. 搞个记忆机制，维护任务状态
3. 结合各种钩子，更新任务状态 + 选择下一个任务

可以使用这个思路去构建自己的工作流，不过任务拆分的粒度不够 + 模型不够强的话跑偏了的话，可能就是会浪费你大量的 token 又达不到预期的效果，所以就需要把任务拆分的足够小 + 搭配充分的验证任务完成的机制，这一步对人的经验要求还是比较高的。

插个眼，感觉这种也是有边界的，是不是多数适合从 0-1 做一个新项目？

试试 devin.ai
注册送 20~50USD ， 我随便拉个个开源项目，制定好任务步骤目标，让它跑个重构升级，它能一直跑很久，送的 50USD 很快就用完了。

https://openai.com/zh-Hans-CN/index/harness-engineering/
https://www.anthropic.com/engineering/harness-design-long-running-apps
拆解出足够多的目标以及目标完成后的验证步骤如何推进

为什么要用时间当指标呢？好像时间短了别人会觉得你无能一样

让 AI 做事和让人做事，评价应该是差不多的
把一个人捆在那几小时很简单，让他可持续地做对你有用的事才叫 管理

不要听别人胡扯，能做到的方式就两种
1. 模型能力强， 我对比过 gpt5.5 啥都不做，只要告诉他一直做完，就真的一直做。而 gpt5.4 、sonnet4.6 就不行。
2. 暴力流：比如 loop / hook / while(true){claude -p "xxx"}
其他的基于 Prompt 的都是不靠谱的。 也就是说 claude.md 、skill 这些，都没用。

1.提前写好比较完善的方案，并且有对应 skill 去约束按照方案执行，比如使用 superpowers
2.开启自动审查或者比较宽松的权限策略
3.使用比较强的推理模型
我测下来最多一次跑了七个小时，生成的代码还是比较可用的。

@momocraft #15 兄弟，你可以尝试这理解一下主题意思。

你只看到了“时间”，难道有人会单纯为了让 AI 长时间瞎跑吗？

那不是很明显个是想让 AI 长时间做最对自己有用的事么？

试试 gstack + get-shit-down

@tanrenye 很真实，喜欢微操就不适合长时间跑

@andforce 你看你还是在把长时间当成目标。我的意思是 有用应该是唯一的目标，如果要再多一个目标就是节省人类时间

我最成功节省自己时间的时候是这样：

agent 在沙盒里跑，权限不管
人和 agent 一起在充分知识做计划，计划足够具体且可行
执行的时候不容易偏，比如各 CLAUDE.md 里有足够具体信息，代码质量不差，agent 可以简单地自己跑测试

@momocraft #21 我看你是没有实际碰到具体使用场景，从而很难理解别人说的“长时间有用”。

我给你举个例子吧，我现在的场景是：
我白天在公司跟 AI 结对编程，这就不说了，就是提到的“人和 agent 一起在充分知识下做计划，计划足够具体且可行”，我跟 AI 确实在一起好几个小时。

下班后我接了 2 个网站开发的活儿，有时候我还会自己开发开源项目，这些项目共同的特点就是：没有严格的苛刻的需求验收，大体上实现功能就行了。

我想要在睡觉前，让 AI 把我这些活儿交给 AI 按照我需求一条一条干，我早上起来看一下。


现在你明白使用场景了吗？

“有用”怎么定义？在我这能给我完成活儿，挣到钱就好了，这就是对我有用的

其实拆了，也很难维持。我经常遇到 Claude 说

我现在已经完成 xxxx ，下一步是 xxxx ，如果你愿意的话，我可以 xxxxx

然后就停那了，明明它啥都知道，就是要你回个“继续”

我也试过提示词里告诉他，直到完成之前，不要问我，也不用告诉我任何中间状态，但依旧出现：

我已经完成了 xxxx ，下一步要做 xxxx ，用户的原话是:xxxx （就是我那一句让他不要停的提示词）

然后停在那了，等我回复

@ntdll 羞辱他不理解指令，告诉他 codex 要审核他的代码发现他居然没写完

感觉是卖课做自媒体才这么搞 这么长时间无法控制结果和质量的 我这边最多让它完成一个小模块 然后大概半小时左右

10 个小时的都有，cc 没有网络重试，就这么卡死了 10 个小时。

其实我觉得不要盯着时间，而是盯着产出……

如果你「思考清楚了」整个计划，那么「几小时」的长编程几乎都是代码生成，当然正常是不用几个小时的。
但是你是不可能提前「思考清楚了」，你正常只能想清楚大概，而且 LLM 生成代码也可能不出问题，不需要修正，所以包括「代码生成」、「 Cross-Agent Review 」、「路线修正」等等加起来耗几个小时是很正常的，当然，前提是你的机制（计划、loop 等）完善，才能一直跑不需要你介入。

https://github.com/appautomaton/agent-designer 先拆分出 issue 的 csv ，然后 https://github.com/leo-lilinxiao/codex-autoresearch,让完成 issue 。

subagent 把
任务规划 agent
任务开发 agent
任务测试 agent

用了上几个 skill 就行，比如 superpower
不过让他写一个简单的 skill 就用了 4 个小时，让我对这个模式有点祛魅了
还是要关注产出，关注产出，关注产出

github 上有一些开源的牛马框架 比如 https://github.com/kunchenguid/gnhf

1-讨论计划
2-拆分计划和自验收标准
3-给一台干净电脑的全部权限让它操作，允许他自我编译代码
4-网络要极其好，网络波动或者断网，它就彻底断片了

hook

死循环

长时间跑容易丢失专注力然后跑偏。所以一般都是拆任务，然后按照任务清单去跑，并且产生检查点方便回溯。及时人工介入纠正错误。
要不然跑一两个小时发现牛头不对马嘴，花了时间又花钱了，拿不到结果不是炸了么。

我都是在前期多轮对话写好 Plan （会用多个模型去挑刺），再启一个新的终端让他自己跑一整个开发计划。加上自测和小步提交，也完全不需要非常长的时间。
如果只是小需求或者项目起步，需求清晰任务明确，时间长一点几十分钟就搞定了。

但其实很多时候问题出在 Plan 不够细致，Agent 跑到一半或者整个任务跑完了才反应过来漏了一部分的细节…… 所以我觉得端板是在我这边。

时间长一点几十分钟就搞定了 => 时间长一点几十分也就搞定了。
所以我觉得端板是在我这边 => 所以我觉得短板是在我这边。
#35

@XuDongJianSama 方式 2 遇到同时修改同一个文件会有问题吗

我试过先写计划落地到 md 文件，然后告诉它按计划执行，直到计划完成在停止。 是可以一直做的，不加这句直到做完就不会一直跑。

session limit 顶不住啊，5 小时窗口 1 小时烧完

关键是任务拆解尽量细、每个子任务结果可验证，这样 context 不会被垃圾占满。我用 CC 时一般先让它出一份 plan.md 确认后再跑，单次任务不要跨得太大。

superpowers + 给权限。以及合适的任务。
我之前让 opus 帮我写个整理密码的工具，结果它遇到坑了，去翻了 firefox 和 keepass 的源码，然后弄出来的解决办法，搞了好几个小时。这不连续工作就有了。

完全的黑箱，所有的权限都交出去，然后最后你能看到成果就行

@freak118 #37 #4 是串行不是并行，第一个子 agent 干完再开下一个子 agent