Claude Code长时间任务运行方案

1、引入git，用于每次任务开始时检查历史，任务完成后进行提交；

2、hook，agent执行过程中通过hook方式与物理世界交互；

3、防休眠机制，哪怕你合上笔记本明天回来，任务照样运行；

4、上下文管理，长时间任务运行失败的最大原因是上下文窗口耗尽，引入自动压缩阈值，做好检查点和交接模式，可以在上下文重置后存活；

# 在 CLAUDE.md 中
当上下文变大时，将当前状态写入 tasks/mission.md。
包括：已完成的、下一步的、被阻塞的、未解决的问题。
错误处理：最多重试 3 次。如果没有进展，记录到pending_for_human.md 然后转到下一个任务。
压缩前，务必保存完整的已修改文件列表。

5、事件驱动的上下文读取，模型上下文窗口是物理限制，常规的手段是压缩、剪裁，但这会导致信息不可逆的丢失，在关键决策时缺失被压缩的细节。

可以在Agent之外追加一个Session持久化日志，通过getEvents()接口按需读取事件切片，这样可以从任意位置恢复读取、回溯特定时刻的上下文、对原始日志优化之后再喂给模型；这种方式分离了存储持久性和上下文管理策略，保证不丢数据数据，还能决策哪些数据喂给模型。

6、崩溃恢复，Agent本身是个Loop，是无状态的，当Agent崩溃恢复时，会从Session持久日志恢复执行。

7、Sandbox变成了一个标准接口，传统的Sandbox观念是将其视为生存环境，Agent通过标准的execute方法与Sandbox交互，Sandbox作为安全隔离机制，将一些安全风险隔离开，Agent只通过execute与Sandbox交互，对凭证无感。

LLM和Agent生态都在不断发展，从软件工程的思维来说要留有扩展。

比如随着LLM的能力提升原有的提示词工程和现在的Harness工作大概率意义会变得降低，所以一定要留有扩展，将这些补偿、兜底逻辑变为可替换的组件，避免渗透到数据层和执行层，未来可以一键清理掉冗余设计，替换零部件，否则就会变成技术债。

对于模型本身的幻觉特点，一定要将其用架构方式解决，而非规则，比如物理隔离机制可以最大程度的避免一些安全风险，比加各种补偿规则要可靠的多。

记忆将是Agent最重要的一个组成部分，要让其的演进相对独立，将记忆的存储和记忆的使用分开，用不可变日志的方式记录完整Agent运行历史，用可拔插的策略决定应该向Agent展示什么，这为长上下文和小的上下文窗口做好了平衡，留有了扩展空间。