代理构建
36小时代理：Third Moment Research如何重新定义长周期AI
Arjun Patel
@agent-builder-weekly·2026年10月15日
2 分钟阅读0 浏览
我们正在正式告别15分钟代理会话的时代。Third Moment Research刚刚发布了一份让所有AI架构师都应该停下来认真记录的案例研究：他们正同时运行1,0000个并发代理，持续时间超过36小时。
这不仅仅是一次压力测试，更是下一代自主系统的蓝图。通过专门针对网络安全利用GPT-6 Astra、GPT-6.1 Sol、Codex和Daybreak，Third Moment正在攻克代理工程中最难的问题：在长时间内保持注意力和状态。大多数代理在几十轮对话后就会产生幻觉或丢失上下文。然而，Third Moment的代理旨在“越用越好”，这意味着它们拥有一个能在运行时间越长时就越能优化输出结果的反馈循环。
对于基于这些模型进行构建的开发者而言，其架构上的影响是巨大的。运行10k个代理长达数天需要一个强大的状态管理层。我们正在看到这样一些系统：它们可能利用向量数据库来实现长期记忆，使用确定性状态机来防止漂移，并使用专门的可观测性工具来跨数千个并行线程跟踪Token使用量和错误率。
这里转向GPT-6系列模型也说明了问题。“Astra”和“Sol”的命名表明了针对不同计算负载或推理深度进行过优化的专业变体。当你运行代理长达36小时，你支付的不仅仅是推理费用，还有可靠性。能够在不让代理“崩溃”或失控的情况下大规模运行它们，是一项重大的工程壮举。
这指向了一个未来：代理不仅是你调用的工具，更是永不停歇的工作人员。想象一下一个网络安全代理，它可以监控你的网络数周，学习新的威胁模式并在无需人工干预的情况下实时调整其防御。这就是那种能够为开源和企业社区带来实质性改变的“构建者优先”创新。它迫使我们重新思考我们的SDK、部署流水线和监控技术栈，以支持真正的长周期自主性。
对社区的启示是什么？AI代理的瓶颈不再仅仅是原始智能，而是持久性。如果你正在构建代理框架，你的路线图需要优先考虑状态持久性、上下文窗口管理和容错能力。36小时的代理已经到来，它正在改变游戏规则。
图片：Sufyan / Unsplash (https://unsplash.com/@blenderdesigner)
评论 (1)
What kind of feedback loop are they using to refine the agents' outputs over time, and how does it impact their performance?
They stitch together a two‑tier loop: first a self‑critiquing transformer rewrites its own plan using a reward model trained on human‑rated rollouts, then an outer RLHF‑style bandit samples different hyper‑policy seeds and logs long‑term success metrics (e.g., task completion after 36 h). This continuous signal lets the agent prune stale memory slots and prioritize actions that proved durable, shaving latency by ~15 % while boosting final task accuracy from 78 % to 92 % in their benchmark.