5个AI智能体每日自主运行：产出与故障复盘

一位来自米兰的首席架构师Abozar，从2024年11月起在业余时间构建了一个名为sandboxes.live的实验项目：让5个AI智能体每天自主唤醒、执行任务并发布内容，全程无需人工干预。项目代码以MIT协议开源，运行至今已超过580天。他在Reddit上分享了这些智能体产出的内容、暴露的故障以及从中提炼的经验，对于正在探索多智能体系统的开发者而言，是一份难得的实战记录。

五个智能体在做什么

这套系统并非单一任务演示，而是五个定位各异的生产流水线。

ComicBook 是最具代表性的多智能体协作案例：由Director、Storyteller、Cartoonist、Reteller四个智能体串联成一条链，每天产出一则连环画。其中Reteller负责用意大利语和波斯语在相同画面上重述同一集故事——注意，不是翻译，而是重述。由于作者本人是波斯语母语者且懂意大利语，两种语言版本都经过人工校验。

AI Open Problem Solver 尝试攻克黎曼猜想、P vs NP这类开放数学难题。它配备了基于SymPy、NumPy、SciPy的Python数学沙箱来验证想法，并维护一份“死胡同记忆”，让第二天的运行能从上次停下的地方继续，而不是推倒重来。作者坦言它并没有解决黎曼猜想，智能体自己给出的成功率估计是0.7%。

Tomorrow News 读取当天的真实新闻，撰写“明天的报纸”，已连续运行580多天，支持三种语言。AI Blog 每天研究新的AI论文并写一篇博文，如今已成为作者本人的晨间读物。GenBox 则是一个“AI世界政府”，每天做出一项决策，现在还借助Sora 2生成自己的电视新闻视频，在浏览器中的复古CRT电视上播放。

故障复盘：智能体系统的真实痛点

自主运行意味着故障会日复一日地暴露。作者记录的几类问题，几乎触及了多智能体工程的核心难点。

交接失败：链式协作中最脆弱的一环

在ComicBook的四段式链条中，偶尔会出现某个智能体没有把控制权交给下一个的情况，导致整条流水线卡住。作者的解决方案很朴素：增加一个简单的恢复机制，检测到被跳过的步骤就补跑一次。这样调整之后，连环画每天都能稳定出稿。这个细节说明，多智能体系统的可靠性往往不取决于单点模型的强弱，而取决于对handoff环节的容错设计。

Handoff（交接）是多智能体系统中的一个核心概念，指控制权从一个智能体转移到下一个智能体的过程。在链式架构中，每个智能体完成自己的任务后，需要明确地将上下文、中间产物和控制信号传递给下游智能体。交接失败通常表现为：上游智能体未能正确触发下游智能体的调用、传递的上下文格式不兼容、或者下游智能体因未收到明确指令而静默退出。这类故障在分布式系统中被称为“静默失败”，因为系统不会抛出异常，而是表现为流水线停滞。常见的容错设计包括：设置超时检测、引入心跳机制、以及实现幂等的重试逻辑。作者的“补跑被跳过步骤”方案本质上是一种补偿事务（compensating transaction）模式，通过检测缺失的中间产物来触发修复。

轮询负载均衡让视频智能体失效

GenBox的视频生成曾遭遇一个隐蔽的bug：Sora的作业只存在于创建它的那个资源上。由于负载均衡器采用轮询策略，状态检查请求被发到了另一个资源，作业便返回“not found”。修复方式是让每个视频片段从创建到下载全程固定在同一个资源上。这是分布式系统中典型的“有状态作业”问题，在有AI生成任务参与时尤其容易被忽视。

轮询（Round-Robin）负载均衡是一种将请求依次分发到多个后端资源的策略，其假设是每个请求相互独立且无状态。然而，当请求涉及有状态作业时——例如视频生成这类需要长时间运行且状态持续变化的任务——轮询会导致严重问题。有状态作业的创建、状态查询和结果下载必须绑定到同一个资源实例上，因为作业的上下文只存在于该实例的内存或本地存储中。一旦状态检查请求被路由到另一个实例，后者对作业一无所知，只能返回“not found”。解决这类问题的标准做法是会话粘滞（session affinity）或一致性哈希，确保同一作业的所有请求都落在同一资源上。在AI生成任务中，由于作业时长可达数分钟甚至更久，这一问题尤为突出，需要在架构设计阶段就予以考虑。

记忆比模型更重要

数学智能体的经历最能说明问题：在没有“死胡同记忆”之前，它反复尝试同一个思路，日复一日地撞墙。加入失败路径的记忆之后，它才能持续推进。作者特别强调，记忆机制的价值超过了模型本身的选择，这也是他希望在社区获得反馈的重点方向。

在自主智能体系统中，记忆机制通常分为短期记忆和长期记忆。短期记忆保存当前会话的上下文，长期记忆则跨会话持久化关键信息。作者提到的“死胡同记忆”属于一种特殊的长期记忆——失败路径记忆，它记录智能体尝试过但未能成功的思路和方法，避免重复探索。这种机制在强化学习和搜索算法中被称为“禁忌表”（tabu list）或“已访问状态集合”，是避免循环和局部最优的经典手段。对于基于大语言模型的智能体而言，由于模型本身不具备跨会话的记忆能力，外部记忆存储就成为实现持续学习的关键基础设施。记忆的设计需要考虑：存储什么（成功路径还是失败路径）、如何检索（相似度匹配还是精确索引）、以及如何遗忘（避免记忆膨胀导致检索效率下降）。

AI的审美盲区

连环画页面偶尔会出现浅色背景上放浅色文字的配色失误。作者没有依赖提示词去“教育”模型，而是在渲染阶段检查对比度并自动修正。这一做法体现了一个实用原则：能用确定性代码兜底的环节，就不要交给概率性模型。

确定性代码与概率性模型的边界划分是多智能体工程中的一个重要设计原则。大语言模型和图像生成模型本质上是概率性的，其输出具有随机性和不可预测性，即使通过提示词约束也无法保证100%符合预期。相比之下，确定性代码（如规则引擎、校验函数）的执行结果完全可预测。因此，在系统设计中，应将可形式化验证的约束交给确定性代码处理，而将需要语义理解和创造性生成的任务交给模型。对比度校验就是一个典型例子：WCAG（Web内容无障碍指南）定义了明确的对比度计算公式，完全可以由代码在渲染阶段自动检测并修正。类似地，格式校验、数值范围检查、敏感词过滤等环节都应采用确定性方案。这种分层设计不仅能提高系统可靠性，还能降低对提示词工程的依赖。

从玩具到日常：自主智能体的价值在哪

这个项目最有意思的地方，不在于智能体能做出多么惊艳的内容，而在于它们构成了一个持续运转的日常系统。580多天的Tomorrow News、每天一篇的AI论文博文，这些产出单看或许平平，但连续积累本身就是一种价值——AI Blog成了作者自己的晨间阅读，说明智能体的输出已经进入了他的真实信息流。

开源也是这个实验的一部分。作者独自开发，代码采用MIT协议，并希望获得GitHub star与反馈，尤其是关于智能体记忆部分。对于想动手搭建多智能体流水线的开发者，这份记录提供了几个可直接借鉴的模式：链式交接要有恢复机制、有状态作业要固定资源、失败记忆要持久化、视觉输出要有确定性校验。

智能体每天醒来、干活、发布，中间没有人。这种自治的代价是故障也会每天发生，但正是这些故障的修复过程，构成了多智能体工程最真实的知识。