AgentRun:开源自我改进代理,具备持久运行与控制平面
AgentRun 是 Parcha Labs 推出的 Apache-2.0 开源平台,它用三样东西包装现有的代理框架(pi、Claude Code、Codex 或 OpenCode):一个在运行之间持久保存笔记、技能和工作流程的学习循环,由单一存储支持的可持久执行,以及一个用于审批、支出上限和监控的控制平面。它通过 npx @parcha/agentrun 安装,在 macOS 或 Linux 上运行于 Node 24.22.3 或更高版本,默认在端口 7340 上提供控制台服务。
AgentRun 针对的问题:代理在每次运行时重复推导相同的工作
代理会反复发现相同的 API、重读相同的文档并重建相同的计划,而操作员需要为每次重新发现的每个 token 付费。AgentRun 的宣传语是“运行更智能的代理。使用更少的 token。”项目自己的控制台截图显示了一个代理的学习标签页,在学习之后,回答时间从 10 秒缩短到 2 秒,运行成本从 0.05 美元降至 0.0077 美元。README 将该数据标注为控制台录制夹具中的演示数据。
设计上的结果是,AgentRun 不是另一个代理循环。它围绕用户已经信任的框架,并在此基础上增加持久性、恢复和治理。README 明确描述了这种分工:“让你自己的代理在它运行最佳的框架上运行:Claude Code、Codex、OpenCode 或 pi。AgentRun 负责它周围的一切。”
自我改进循环在每次运行结束时作为额外的一轮运行
学习是按代理选择加入的,在代理定义中设置 "learning": true。在每次运行结束时,代理会获得额外的一轮,以提议它想要保留的内容。然后 AgentRun 运行代码检查,接着是一个评分器,并将通过的内容提交到代理自己的 git 文件夹。下一次运行从该状态开始。README 的流程图总结了这一循环:运行从代理的 main 分支开始,运行完成工作,最后一轮提议笔记、技能或工作流程,代码检查和一次评分器运行,保留的项目被提交到 main。
有三种工件类型:
- 笔记 是简短的 markdown 文件,每个包含一个事实,采用 Claude Code 的内存格式。
- 技能 描述如何再次完成一项工作;只有实际完成该工作的运行才能编写技能。
- 学习到的工作流程 在任何框架上作为单个工具调用执行,受运行自身的上限和工具权限约束。一旦学习到的技能服务了 3 次运行,下一次运行会被要求将该工作生成为工作流程草稿,并且草稿在保留之前会进行试运行,试运行期间不调用模型,也不运行工具。
代理的学习标签页列出每个笔记、技能和工作流程以及变更日志,每次运行记录它被给予的笔记和它打开的笔记。项目可以从控制台或使用 npx @parcha/agentrun learning retire 和笔记的 ETag 来退役。由于该文件夹是一个 git 仓库,退役的笔记可以从历史中恢复。
学习提议在模型评分之前先由代码过滤
每个代理都有一个学习文件夹:一个只有 main 分支的普通 git 仓库。代码首先检查每个提议。违反自身规则的项目,例如大小限制、数量限制、名称或形状,会被单独丢弃,提议的其余部分继续。四种失败条件会丢弃整个提议而不是单个项目:答案中任何位置的秘密或隐藏字符、文件夹外的文件、删除操作或完整索引。README 的理由是,如果任何项目不能被信任,那么所有项目都不能被信任。在代码检查之后,一个评分器判断内容,AgentRun 提交通过的内容。
两类被视为有风险。有风险的规则等待操作员明确批准。来自页面或粘贴的电子邮件中的规则,或包含账号的笔记,会被直接丢弃。
索引增长通过检索步骤而不是截断来处理:一旦代理的笔记超出学习预算,每次运行会收到与其第一条消息相关的完整笔记,以及每个剩余笔记的一行。只执行了学习到的工作流程的运行不会被询问要保留什么。
持久执行使运行在服务器重启后仍然存活
每个代理、修订版、运行和步骤都存在于一个存储中。在运行中途停止服务器并重新启动,运行可以继续。使用多个运行器时,另一个运行器会在死运行器的 30 秒租约到期后接管其运行。已完成的步骤永远不会执行两次。崩溃中断的写入会被标记为中断而不是重试,以便人工检查。
存储默认是数据文件夹中的 SQLite,或者当 AGENTRUN_STORE_URL 设置为 postgres:// URL 时使用 Postgres。
支出上限是暂停而不是失败,未定价的成本永远不会报告为零
给定上限的运行会在达到上限时暂停而不是失败,并报告继续所需的最低金额。AgentRun 无法定价的任何成本都会报告为“未知”,绝不会报告为 0 美元。
工具权限是每个工具的,有三种状态:允许、先询问或拒绝。需要询问的调用会在运行页面上等待直到有人回答。“永不询问”模式允许代理无人值守运行,但服务器级别设置的拒绝仍然适用。代理也可以停止并提问,运行会等待。
工作流程用于可重复的工作;代理是后备方案
AgentRun 的 README 认为许多代理根本不需要是代理。可重复的工作可以表达为类型化的工作流程:工具调用、模型步骤和快速类型化决策(是或否、选择一个、评分,每个都带有置信度值),在不确定的情况下可以使用代理作为后备。工作流程作为代理的修订版运行,受该代理的工具权限和上限约束,并且可以由触发器启动。
工作流程是一个类型化步骤的 JSON 文档,版本为 "v": 2,具有命名输入和输出模式。README 中的示例定义了一个需要 website 字符串的 In 模式和一个需要 ok 布尔值的 Page 模式,然后链接一个获取主页的单个工具步骤:
{
"v": 2, "name": "read-site",
"schemas": {
"In": { "type": "object", "required": ["website"], "properties": { "website": { "type": "string" } } },
"Page": { "type": "object", "required": ["ok"], "properties": { "ok": { "type": "boolean" } } }
},
"input": { "schemaId": "In" },
"output": { "schemaId": "Page", "path": "home" },
"root": { "node": "chain", "steps": [
{ "node": "call", "label": "Read the home page", "via": "tool", "tool": "web_fetch",
"args": { "url": "{website}" }, "out": "Page", "as": "home", "deadline_s": 60 }
] }
}
步骤可以调用工具、运行模型、询问快速类型化问题、根据答案分支、并行映射列表、循环有限次数、调用其他工作流程,或将困难情况交给代理。工作流程保存为代理的 workflow 字段,npx @parcha/agentrun workflows validate 首先检查它。工作流程语言也可以在应用程序内独立运行,带有 TypeScript 构建器。
在控制台中,工作流程可以逐节点查看、暂停和恢复,每个决策及其理由都可见。
四个框架,五种计算机
框架通过代理的 harness 字段选择。
| 框架 | harness 值 |
备注 |
|---|---|---|
| pi | pi |
默认 |
| Claude Code | claude-agent |
首次使用时自行安装 |
| Codex | codex |
首次使用时自行安装 |
| OpenCode | opencode |
需要其 opencode-ai 包位于服务器旁边 |
审批、上限、计算机、触发器和学习在所有框架中行为一致。npx @parcha/agentrun server capabilities 报告给定服务器运行哪些框架。
计算机是代理上的单一设置,代理只接收该类型计算机的工具。
| 类型 | 能力 | 提供商 |
|---|---|---|
none |
在运行文件夹中读写文件,无 shell(使用 Archil 时,命令在 Archil 的 exec 上运行) | 不需要 |
sandbox |
在 Linux 上运行代码、安装包、保持后台进程 | Docker、Daytona、Modal、E2B |
desktop |
查看 Linux 屏幕、移动鼠标、打字 | Orgo、E2B、带自定义 X 服务器镜像的 Docker |
phone |
在 Android 上点击、滑动、打字、打开应用、读取屏幕 | phone 框架(租用的云 Android) |
browser |
浏览网页,随时将控制权交给人类 | Browserbase、Kernel |
没有计算机设置的代理在服务器有 Docker 时获得 Docker 沙箱,否则没有计算机。远程计算机通过操作员自己的供应商账户计费。
对于部署此系统的团队,有三个操作细节很重要。供应商密钥在设置中一次性添加,由服务器密封,永远不会进入代理的计算机。运行文件夹位于服务器上,由 Docker 沙箱挂载;启用 Archil 磁盘会将文件夹移到那里,以便 Daytona、Modal 或 E2B 沙箱挂载相同的文件夹,这三个提供商需要 Archil 磁盘,而 Docker 沙箱上的 Archil 被拒绝。浏览器运行通过操作员自己的服务器流式传输到运行的屏幕标签页,而不是供应商链接,因此可以接管和交还控制权,代理可以请求人工接管以处理登录或验证码。
每个提供商都有一个可针对供应商运行的符合性套件:npm run conformance -w @parcha/agentrun-computer -- --provider docker --kind sandbox。
附带五个现成模板
| 模板 | 功能 |
|---|---|
code-review |
审查拉取请求或差异,对照代码检查每个发现,以 JSON 返回发现,设置自己的 GitHub 触发器 |
kyb |
对一家公司进行尽职调查:注册、所有者、制裁名单、带日期的负面媒体,以及每个声明都有引用的裁决 |
market-monitor |
每周一摘要,说明受监控公司的变化,每个项目都有日期和链接 |
inbound-lead |
研究每个通过 webhook 交付的线索,并根据理想客户画像评分 0 到 100 |
release-notes |
将自上次发布以来合并的拉取请求转换为发布说明,作为草稿问题留给人工 |
应用模板不会授予 MCP 工具访问权限,直到每个工具被手动勾选。npx @parcha/agentrun template eval DIR 将模板的评估案例作为真实运行在一次性服务器上运行并评分。触发器从计划、签名 webhook 和 GitHub 拉取请求事件自行启动有上限的运行。
架构:服务器、存储、运行器和手
服务器在 /v2 提供 API 和控制台,将运行和命令写入存储,并读回它们。使用 --no-runner 启动时,它本身不运行代理循环。运行器从存储中认领运行并并发执行许多;每个审批检查、上限和模型调用都发生在运行器中。手是代理工具执行的地方:每次运行都有一个运行文件夹,沙箱将该文件夹挂载到 /workspace,而桌面、手机或浏览器将文件夹留在运行器上。
脚本:CLI、TypeScript 和 Python 客户端
npx @parcha/agentrun 兼作服务器的 CLI;针对活动服务器运行时,它会自动发现地址和令牌。runs wait 的退出代码为 0 表示完成,1 表示失败,8 表示等待人工:问题、上限或审批。runs timeline RUN_ID --follow 流式传输每个步骤,每次运行都带有 console_url。
TypeScript 客户端是 @parcha/agentrun-client(无依赖),从环境读取 AGENTRUN_BASE_URL 和 AGENTRUN_API_KEY。Python 客户端是 pip install parcha-agentrun,暴露相同的方法。
import { AgentRun } from "@parcha/agentrun-client";
const client = new AgentRun();
const started = await client.runs.start("notes", { input: { content: "Ask me which region to cover, then write region.md about it." }, max_cost_usd: 1 });
let run = await client.runs.wait(started.run_id);
if (run.pending?.kind === "question") await client.runs.message(run.run_id, { content: "Europe" });
run = await client.runs.wait(run.run_id);
console.log(run.status, run.cost.usd);
编码代理用户的便捷路径:指示编码代理 Read agentrun.ai/SKILL.md and set up AgentRun for me,或运行 npx @parcha/agentrun skill install --claude(或 --codex)来教它 CLI。
部署成本和拓扑
一键 Render 部署使用仓库的 render.yaml:一个 1 CPU / 2 GB 实例,带 10 GB 磁盘,发布的镜像无需构建步骤,以及自动生成的令牌和密封密钥。README 说明,按撰写时的 Render 价格,这大约每月花费 25 美元用于实例,2.50 美元用于磁盘,并且需要在 Render 工作区绑定银行卡。建议使用带有美元上限和到期日期的 OpenRouter 密钥。
Docker Compose 部署运行一个服务器和两个运行器。其发布端口仅绑定到主机的回环地址,因此暴露前需要 TLS 代理。该 compose 文件没有 Docker 套接字,意味着其代理获得文件工具和 web_fetch,但没有 shell;Docker 沙箱需要根 compose.yaml,使用 Docker Engine 26 或更高版本,在主机上运行服务器,或使用带 Archil 磁盘的 Daytona/E2B 计算机。
对于扩展,在服务器和每个运行器上设置 AGENTRUN_STORE_URL 为 Postgres URL,使用 --no-runner 启动服务器,并从同一镜像启动每个运行器,使用 runner --data /data --name <name>。所有进程必须共享相同的 AGENTRUN_SEAL_KEY。在文档化的版本中,运行器仍然共享 /data 卷。
安全模型:一个密封密钥、只写秘密、受限 API 令牌
每个保存的秘密(模型密钥、工具密钥、MCP 凭据、登录、webhook 签名密钥)都在单个密钥 AGENTRUN_SEAL_KEY 下密封,丢失该密钥意味着丢失所有密封的内容。秘密是只写的:控制台显示每个为已设置或缺失,只有控制台可以粘贴、替换或删除。服务器环境中存在的密钥优先于粘贴的密钥。API 令牌不能写入秘密或批准工具调用。运行只接收其自身模型和工具需要的密钥,运行学到的任何内容都不能保留交给它的秘密。
Hacker News 线程中的反对意见
Show HN 帖子达到 134 分和 39 条评论。线程中的实质性问题针对学习循环、成本核算和差异化;捕获的评论不包括维护者的回复。线程中的几条评论被标记或已删除,其他几条是供应商自我推销,因此技术信号集中在少数几个线程中。
最常被问的问题是自我改进如何实际工作:
你能解释一下自我改进部分是如何工作的吗?
最尖锐的成本核算挑战涉及当代理可以生成分离的工作时,支出上限是否真的可以执行:
我注意到在我自己的一些研究和测试中,即使有上限,一些代理也会使用后台进程绕过每次调用的时间限制。你的上限是否覆盖分离进程中的计算?
一个相关的架构问题询问 AgentRun 是使用现有框架还是绕过它,动机是订阅经济学:
它使用 claude code 框架(例如)还是绕过它?我问是因为订阅。
一位评论者拥有手工构建的编排器,具有一个执行代理,将工作分块、构建依赖图、分配递归子代理并为每个块运行独立审查器,询问 AgentRun 增加了什么:
那么你的东西能给我什么我的不能做的?
最详细的批评列举了关于将学习持久化为笔记、技能和记忆的四个操作担忧:
- 你如何确保学习必然适用?1. 你如何确保学习是确定性的?2. 你如何证明学习执行的结果确实是你想要的?3. 随着更多学习的堆积,你如何管理成本和延迟?
对照 README 阅读,其中几个映射到项目已经指定的功能:按与运行第一条消息的相关性检索笔记解决了适用性,代码检查然后评分管道加上对风险规则的人工批准解决了正确性,学习到的工作流程保留前试运行解决了提升工件的确定性,学习预算和每个笔记的索引行解决了索引增长。README 没有对笔记或技能做出确定性保证,也没有描述对沙箱内分离进程的支出上限执行。
线程还偏离到相邻的辩论
两位供应商创始人利用线程争论相邻的问题。Sourcery 的 CEO 将 AI 代码审查框定为精确率-召回率权衡,站在召回率一边:
我们相信输出大量评论,即使它们是挑剔的,对于编码代理来说是正确的方式,因为它们可以非常快速地分类所有评论并决定处理哪些以及哪些不相关。
他还声称 Greptile 超过 80% 的审查评论在 GitHub 上得到处理,Sourcery 产生的评论数量是 Greptile 的 2 倍以上,讨论中的示例产生 1.6 倍。另外,Kubit 的 CEO 提出了可观察性问题,即检测生产运行何时偏离编译的工作流程,指出他的产品在标记每个跨度后按执行路径分组运行,以便新分支快速浮现。来自 SavvyIQ 的一位评论者提供了大约 200 个政府注册集成和 5 亿个实体作为 KYB 模板的潜在数据源。另一位指出一个用于基于订阅的 PR 审查的本地编排器,还有一位提出了更广泛的问题,即团队在 2026 年如何处理 PR 量,提出了用于构建来源的 SLSA 证明。
这些都不是 AgentRun 设计的核心,但它们表明从业者看到差距的地方:审查者精确率与数量、工作流程编译后的漂移检测,以及第三方数据覆盖。
项目列出的下一步
README 的路线图命名:每次调用而不是仅每个代理选择的计算机;第一方计算机;iPhone、macOS 和 Windows 计算机;像浏览器运行已经允许的那样观看和接管桌面或手机运行;Composio 作为工具目录;基于 Agent Client Protocol 的框架;以及 Slack 触发器和 Parallel 监控触发器。
AgentRun 实际上是什么,用一段话概括
AgentRun 是围绕现有编码代理框架的持久、受治理的运行时,具有持久化的学习层,在每代理 git 仓库中存储单事实笔记、可重用技能和编译的工作流程。其区分性声明是学习提议在提交前经过机器检查和评分,运行通过单个 SQLite 或 Postgres 存储和步骤级幂等性在服务器重启后存活,并且每次运行都受审批和支出上限约束。它是 Apache-2.0 许可,版权归 Parcha Labs, Inc. 所有,2026 年,由 Grep.ai 构建,并基于 Earendil Works 的 pi(MIT)、Stagehand 和 Browserbase Node SDK、TypeSafe JavaScript SDK、Archil 的磁盘 SDK 以及 vercel-labs/durable-harness(Apache-2.0)。
Sources
相关
- 项目
- 项目
- 项目
- 项目
- Dispatch