Anthropic（就是做 Claude 的那家公司）在官方博客上发了一篇技术文章，标题叫《Building always-on agents》，直译过来是“构建永远在线的智能体”。作者是 William Hu。
这篇文章本来是写给工程师看的，讲得很细，表格怎么建、后台服务怎么配都有。但读完之后我觉得，它背后其实反映了 AI 正在发生的一个变化，普通人也值得知道。作为一个在科技行业工作的人，我想把它翻成大白话，跟大家聊聊。
从“你问它答”到“它自己干活”
今天大多数人用 AI 的方式都差不多：打开一个对话框，输入问题，等它回答。你不说话，它就一动不动。
Anthropic 在文章开头提到，过去几个月，一种叫 always-on agent 的东西又热了起来。它和聊天机器人有两点不同：
一是有状态。它记得之前发生过什么，今天接着昨天的事往下做，不用你每次从头交代。
二是主动。它可以在没人盯着的时候自己采取行动。打个比方，聊天机器人像一个你问一句才答一句的咨询顾问，always-on agent 更像一个替你盯着事情的助理：邮件回了会告诉你，约好的事到时间会去跟进，每天早上把简报整理好放你桌上。
文章里还提到一个现象：已经有不少公司在问 Anthropic，怎么把这种体验做进自己的产品。有的想让现有的 AI 变得更主动，有的打算从零开始做。这说明它已经不只是实验室里的概念了。
为什么偏偏是现在
“让 AI 自己干活”这个想法其实早就有了，为什么最近才变得可行？文章给了两个原因，我觉得都很关键。
第一，AI 的判断力变好了。 最新一代模型能更准确地理解人到底想要什么，也更知道什么时候该停下来问一句。这一点对一个无人监督的 AI 来说是底线。一个经常会错意、又不知道什么时候该请示的助理，你是不敢放手让它干活的。
第二，智能变便宜了，而且越是长时间的任务，便宜得越多。 文章给了一组数据：在一个长程编程测试中，Claude 新一代的 Opus 5.5 每完成一个任务的成本，比上一代 Opus 5 低了 78%；而在一般性任务上，降幅是 40%。
这个对比很能说明问题。always-on agent 恰恰就是要长时间、持续地工作，成本下降最猛的正好落在它最需要的地方。在我看来，很多技术不是想不到，而是用不起；成本跨过某条线之后，才会从演示变成产品。
一个反直觉的事实：它大部分时间都在睡觉
名字叫“永远在线”，但文章特意澄清：always-on agent 并不是真的一直开着。
“永远在线”描述的只是用户的感受。实际上，这个 AI 大部分时间都处于休眠状态，只在需要的时候醒来干一阵活。每干一次活，文章称为一次“运行”：收到一个信号，把事情做完，把经过记下来，然后接着睡。
醒来、干活、记录、睡去，循环往复。你感觉它一直在，其实是因为它每次醒来都恰好在你需要的时候。
这和我们对好助理的印象其实很像。好助理不是 24 小时盯着你，而是在该出现的时候出现。
那么问题来了：它怎么知道什么时候该醒？醒来后怎么记得之前的事？干活时哪些能做、哪些不能做？做完了又怎么告诉你？
文章把答案归结为五个核心部件：收件箱、定时器、记忆、权限、发件箱。下面我一个个用通俗的话解释。
一、收件箱：所有事情先排队
一个 always-on agent 可能被很多事情唤醒：你发来一条消息，某个系统推送了一个通知，一个后台任务跑完了……
最省事的做法是谁有事谁直接去叫醒 AI。但文章指出这样会出乱子：两件事同时到，AI 就会被同时叫醒两次，两边各干各的，可能重复劳动甚至互相覆盖；万一中途系统崩溃，那件事可能就彻底丢了，没人知道它曾经来过。
解决办法是设一个收件箱。所有事情不再直接找 AI，而是先投进收件箱排队，再由一个专门的“办事员”（文章里叫 worker）去取。
有几个设计细节我觉得很有意思：
收件箱里的记录才是准的。办事员每次被叫起来，先去收件箱看有什么待办。这样就算办事员干到一半出了故障，换一个新的来，照着收件箱接着办就行，事情不会丢。
同一个收件箱同一时间只能有一个办事员在干活，这样就不会出现两拨人抢着处理同一件事的混乱。
如果你连着发了好几条消息，办事员会把它们打包成一件事一起处理，AI 只回你一次，而不是每条都单独回一遍。
还有一点，收到事情时要先快速应一声“收到了”。因为有些系统如果迟迟等不到回应，会以为发送失败。真正仔细的检查，比如判断这条消息里有没有藏着试图操纵 AI 的恶意指令，留到正式处理的时候再做。
二、定时器：让 AI 学会“过两天再看看”
收件箱让 AI 能对外界做出反应，而定时器让它能主动做事。
定时器分两种。一种是“跟进”，是 AI 自己给自己定的提醒，比如“发出去的邮件，过两天看看对方回没回”。另一种是“日程”，是按固定节奏重复的任务，比如每天早上一份新闻简报。
有意思的是，定时器到点了并不会直接叫醒 AI，而是往收件箱里投一件事，然后按正常流程走。也就是说，不管是你发来的消息、外部系统的通知，还是 AI 自己定的提醒，最后都从同一个入口进来。我很欣赏这个设计，入口只有一个，整个系统就不容易乱。
三、记忆：只记查不到的东西
AI 每次醒来都是一次独立的运行，彼此之间不连贯。要让它像一个连续工作的助理，就得靠记忆。
文章提到，在 Anthropic 自己的产品里，比如编程工具 Claude Code，记忆就是一个存文件的目录。对 always-on agent 来说，这些文件要保存在可靠的地方，即使某次运行出了故障，记忆也不会跟着丢。
关于记什么，文章给了一条我特别认同的原则：只记那些事后查不到的东西。 如果信息本来就存在别的系统里，比如某个项目管理工具，那就记一个“去哪找”的指引就够了，不必把内容再抄一遍。
具体来说，值得记下来的有四类：
你给它的规矩。 比如“周末不要给我发消息”。你不可能每次都在旁边提醒，所以这类要求要单独存好，每次醒来第一件事就是先读一遍。
它对你的了解。 你的职位、你的偏好、你纠正过它的地方。东西少的时候放在一个文件里，多了就分成很多小文件，平时只看目录，需要时再翻具体那一页。
它已经跟你说过什么。 这是为了避免同一件事反复唠叨。
手上每件事的进度。 做到哪了、还剩什么。下次醒来一看就能接着干，不用从头再来。
文章里还提到一个很有画面感的概念，叫“做梦”（dreaming）：让 AI 回顾过去的工作记录，整理自己的记忆，删掉过时的内容，并发现一些只有把很多次经历放在一起才能看出来的规律。这有点像人在睡眠中整理白天的经历。
另外，AI 每次醒来都要先读一遍基本设定、可用工具和记忆，相当于每次上班前的“开机成本”。所以文章建议这部分内容尽量精简，并借助缓存技术省钱。如果一段工作记录拉得太长，要么压缩，要么另起一段，但这两种做法都会丢掉一些细节，所以重要的东西要随时写进记忆里。
四、权限：风险最集中的地方
这一部分是我认为普通用户最该关心的。
文章说得很坦白：权限是 always-on agent 风险最大的地方。 原因很简单，它拿着你的账号权限，而且按设计就是在你不在场的时候工作。每一个动作，它都要判断：自己做、不做，还是先问你。
文章介绍了三道防线：
第一，钥匙不交给 AI。 AI 要干活，往往需要你的密码或登录凭证。推荐的做法是，在 AI 的运行环境之外放一个“中间人”。AI 发出的请求本身不带密码，由这个中间人在转发时把真正的凭证加上去。这样 AI 自始至终接触不到你的密码。
第二，高风险动作有人把关。 Anthropic 在 Claude Code 里已经有一个“自动模式”：由专门的审查程序检查风险较高的操作，判断为危险的就拦下来，让 AI 换一种更安全的做法。但文章也强调，最重要的决定仍然需要用户本人审核。
第三，拿不准就先停下来问。 遇到需要你确认或补充信息的事，AI 会把这一步先挂起来，把问题推给你，比如在界面上弹出一张可以直接点选的卡片。你回复之后，这个回复会作为一件新事情进入收件箱，AI 再接着刚才停下的地方继续。等你回复的这段时间，它不会傻等，可以先去处理别的事。
我觉得这个设计挺聪明：你的“同意”本身也只是收件箱里的一件事，和其他所有事情走同一条路。
五、发件箱：先少说话，再赢得信任
我们平时用 AI 聊天，能看到它一个字一个字地往外蹦，推理过程、调用了什么工具都看得到。
always-on agent 不一样，它的活大多在后台干完，你收到的通常只是结果和几句必要的说明，而不是一整套过程。
文章说，大多数情况下给 AI 一个“发送消息”的功能就够了。只有当你想控制它发消息的节奏，或者希望它发错了能补救时，才需要一个正式的发件箱：所有要发出去的消息先排好队，再由专门的程序决定发哪些、什么时候发。
但比怎么发更重要的，是发多少。发太多，它就成了噪音，你会想把它关掉；发太少，又可能漏掉你真正需要知道的事。文章建议通过系统化的测试来找平衡点，并给出了一条我很喜欢的经验：
一开始安静一点，然后随着时间推移，慢慢赢得用户更多的注意力。
这句话说的虽然是 AI，放在人身上也成立。一个新来的同事，如果第一天就事事汇报、处处打扰，你大概会烦；如果他先把事情默默做好，你自然会愿意听他多说几句。
拼在一起看
把五个部件串起来，一个 always-on agent 的一天大概是这样的：
收件箱里来了一件事，可能是你的一条消息、外部系统的一个通知，或者它自己定的一个提醒。办事员接手，把 AI 叫醒。AI 先翻一遍记忆，弄清楚背景，然后在权限允许的范围内把事情办了，再把新学到的东西写回记忆。最后，它往发件箱放一条消息，告诉你结果。
做完这一切，它可能顺手给自己定个提醒，过几天再来看看；你回复了它的消息，你的回复又变成收件箱里的一件新事。
每一次运行都很短暂，但这个循环一直在转。所谓“永远在线”，就是这么来的。
写在最后
读完这篇文章，我最大的感受是：AI 正在从工具变成同事。
工具是你拿起来用、用完就放下的。同事则不一样：他记得你们之前聊过什么，知道你的习惯，会主动跟进没办完的事，遇到拿不准的会来问你，并且懂得什么时候该说话、什么时候该闭嘴。Anthropic 这篇文章拆出来的五个部件，其实分别对应着一个靠谱同事身上的这几种品质。
当然，它离一个真正可以放心托付的同事还有距离，文章自己也承认，权限是风险最集中的地方，最关键的决定依然要人来拍板。但方向已经很清楚了。接下来几年，我们手机和电脑里的 AI，可能会越来越少地等你开口，越来越多地在你开口之前就把事情做好。
参考原文：《Building always-on agents》,Claude 官方博客，作者 William Hu，致谢 Rodrigo Olivares、Michael Segner.链接：https://claude.com/resources/articles/building-always-on-agents