[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"product:lra":3},{"id":4,"name":5,"slug":6,"slogan":7,"description":8,"organization":9,"images":10,"avatar_url":11,"image_url":12,"website_url":13,"status":14,"build_by":15,"categories":16,"stats":23,"upload_relationship":27,"create_at":28,"update_at":29,"owner_id":24,"upload_user_id":30,"reviewer_id":31,"video_info":32,"prerelease_cover_url":33,"scheduled_publish_at":32,"user_scheduled":34,"emoji_reacts":35,"tag":32,"user_star":34},2469,"LRA","lra","让 Agent 长时自动化开发, 解决 Agent 上下文丢失、过度设计、过早完成等核心痛点","{\"type\": \"doc\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"一句话定位：让 AI Agent 不偷懒、不崩溃、不跑偏，把\\\"睡一觉醒来跑完 5\\n万行代码\\\"这件事变成现实。\\n一句话上手：pip 一键安装，lra init 自动生成 CLAUDE.md \u002F AGENTS.md，你的 Agent\\n立刻就会用。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"一、功能亮点\", \"type\": \"text\"}]}, {\"type\": \"orderedList\", \"attrs\": {\"type\": null, \"start\": 1}, \"content\": [{\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"轻量到极致，零门槛接入\\npip install long-run-agent\\n一行装好，没有重型依赖、没有服务端、没有数据库。所有状态就是 .long-run-agent\u002F\\n目录下几个 JSON \u002F YAML 文件，跟着 Git 走，人能读、Agent 也能读。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"突破上下文窗口限制\\n内置输出限制感知：4K 的 GPT-4o-mini、8K\u002F16K\u002F128K 的各类 Claude\\n都能各司其职。lra context --output-limit 按模型能力自动推荐和拆分任务；lra\\norientation 一条命令完成上下文重建（工作目录、项目结构、最近提交、任务进度、索\\n引位置），Agent 重启即接续，不再被上下文长度卡死。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"Constitution 规范驱动 + 质量门禁，专治\\\"AI 偷懒\\\"\\n这是 LRA 区别于普通任务清单工具的核心。项目把不可协商的原则写进\\n.long-run-agent\u002Fconstitution.yaml，分三层：\\n- NON_NEGOTIABLE（不可协商）：连 --force 都绕不过去，必须通过；\\n- MANDATORY（强制）：必需门禁必须过；\\n- CONFIGURABLE（可配置）：按需开关。\\n门禁支持 shell 命令（如 pytest\\ntests\u002F）、字段检查、自定义函数。任务完成时自动验证，失败自动进入 optimizing\\n状态并给出修复建议——AI 没法靠\\\"我说做完了\\\"蒙混过关。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"Ralph Loop 7 阶段迭代引导，逼着每一步走扎实\\n每个任务最多 7 次渐进式迭代：理解规划 → 基础实现 → 功能完善 → 质量提升 →\\n优化改进 → 验证测试 → 交付准备。质量门禁按阶段触发，早期阶段不卡性能、不卡深度\\n测试，后期逐步加严。三件贴心设计：所有必需检查通过可提前完成（不必硬走 7\\n次）、同一阶段卡 3 次自动提示跳阶段、重构阶段带测试覆盖率安全提示。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"Relay 全自动接力 + 断点续跑，真正的\\\"自动驾驶\\\"\\nlra relay 一条命令跑完整个队列：取任务 → claim 加锁 → 跑 Agent → Constitution\\n验证 → 更新状态 → git\\ncommit，全程无人值守。崩溃恢复靠\\\"阶段级提交\\\"——每个阶段完成立即\\ncommit，iteration 在 commit 之后才递增，所以崩溃丢的最多是当前阶段；锁超时 15\\n分钟后变 orphan，新进程自动接管，从 ralph.iteration 指向的阶段继续。挂个\\ntmux，断了重连接着跑。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"多 Agent 协作：大模型拆、小模型并行干\\n层级锁机制让大模型负责架构和接口契约、decompose 拆分、publish\\n释放子任务锁；小模型按 --output-limit\\n领取可承担的子任务并行开发，最后大模型验收集成。文件锁（单实例）+\\n任务级锁（单任务）双层并发安全，多 Agent 提交到同一分支无 merge 冲突。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"兼容你正在用的全部 Agent 工具\\nClaude Code、OpenCode、Open Claw、Cursor、Trae……一条 lra init 自动生成对应的\\nCLAUDE.md \u002F AGENTS.md \u002F lra.md，Agent 读完就知道工作流，不挑工具、不改习惯。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"全平台 + 高性能\\nWindows \u002F Linux \u002F macOS 全平台兼容（CI 验证）。基准测试：1000\\n任务规模下创建延迟 \u003C10ms、更新延迟 \u003C20ms、吞吐 172 ops\u002Fs，10→1000\\n任务内存增长仅 19.5%——开箱即用撑住大型项目。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"通用任务模型，不止写代码\\n内置 code-module、novel-chapter、data-pipeline、doc-update、task\\n五套模板，软件开发、小说创作、数据处理、文档维护都能套；Jinja2\\n模板引擎支持条件\u002F循环，自定义模板零成本。\", \"type\": \"text\"}]}]}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"二、典型使用场景\", \"type\": \"text\"}]}, {\"type\": \"orderedList\", \"attrs\": {\"type\": null, \"start\": 1}, \"content\": [{\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"大型软件项目的多模块并行开发\\n把一个 Web\\n应用拆成认证、订单、支付等模块，大模型定契约、小模型分头干活，Constitution\\n保证每块合并时测试必过、文档必更新。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"长任务挂机自动化（\\\"睡一觉跑完\\\"）\\ntmux 里 lra relay --max-steps 100，第二天回来看进度条。配合国内高性价比的中小\\n输出模型（4K\u002F8K）把成本压下来，长任务也能跑得起。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"多 Agent \u002F 多模型混编\\n贵模型干规划与验收，便宜模型干实现，靠层级锁和输出限制适配把分工切干净，避免\\\"\\n大材小用\\\"烧 token。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"长篇内容创作（小说、系列文档）\\nnovel-chapter 模板的 7 阶段路径：理解大纲 → 初稿 → 情节完善 → 人物塑造 →\\n语言润色 → 逻辑检查 →\\n最终定稿，每一稿都有阶段目标和可跳过项，不被一次性输出上限困住。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"数据管道与数据处理\\ndata-pipeline 模板覆盖数据可用性 → 质量 → 完整性 → 性能 → 可视化 →\\n交付验证全链路，适合周期性、需要回归保障的数据任务。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"老项目接入与文档治理\\nv3.3+ 的系统预检（代码规模、Git 规范、文档覆盖率、注释占比）自动评估项目健康度\\n，增量\u002F全量两种模式；创建业务任务时自动绑定文档更新任务，doc_enforcement 可设\\nstrict 强制闭环。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"团队级 Agent 工作流标准化\\nlra orientation + 13 步标准化提示词 + 项目分析器（Python\u002FJS\u002FTS\u002FGo），新 Agent\\n上手即对齐既有规范，降低协作摩擦。\", \"type\": \"text\"}]}]}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"三、社区收录与认可（可核实）\", \"type\": \"text\"}]}, {\"type\": \"bulletList\", \"content\": [{\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"开源协议：MIT License，GitHub 仓库 hotjp\u002Flong-run-agent，已发布 23 个\\nRelease，最新 v5.2.2（完整 Windows 兼容性，CI 验证）。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"PyPI 已发布：pip install long-run-agent，命令行工具为 lra。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"收录于 GitHub Topic「long-running-agent」分类。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"被第三方开源聚合站 Star Wiki 收录，列为「适合 AI Agent\\n开发的开源项目」之一。\", \"type\": \"text\"}]}]}, {\"type\": \"listItem\", \"content\": [{\"type\": \"paragraph\", \"content\": [{\"text\": \"掘金、CSDN 等技术社区有专文介绍与实测，核心评价聚焦在\\\"轻量、零门槛、可直接落\", \"type\": \"text\"}, {\"type\": \"hardBreak\"}, {\"text\": \"地的长任务调度\\\"。\", \"type\": \"text\"}]}]}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"四、FAQ\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q1：LRA 和其他 Agent 框架（LangGraph \u002F AutoGen \u002F CrewAI 等）有什么本质区别？\\nA：那些框架解决的是\\\"怎么编排 Agent 调用\\\"，LRA\\n解决的是\\\"长任务怎么不崩、不偷懒、可接续\\\"。它不接管你的模型调用，而是给任意\\nAgent 工具提供一层规范驱动的任务管理 + 质量门禁 + 断点续跑外壳。Constitution\\n强制门禁 + Ralph Loop 阶段引导是其他任务清单类工具没有的。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q2：AI 总喜欢说\\\"我做完了\\\"就交差，LRA 怎么治？\\nA：靠 Constitution 的 NON_NEGOTIABLE 原则 + 质量门禁。任务完成时自动跑你定义的\\n检查（pytest、lint、字段是否存在……），失败就自动进 optimizing\\n状态给修复建议；即使加 --force 强制完成，NON_NEGOTIABLE\\n原则照样必须通过，绕不过去。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q3：跑长任务中途进程崩了，进度会丢吗？\\nA：不会。Relay 采用阶段级提交——每个阶段完成立即 git commit，崩溃后重启 lra\\nrelay 会读取 ralph.iteration 从断点续跑；锁超时 15 分钟自动转\\norphan，新进程接管。建议挂 tmux，断网断电都能续。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q4：支持哪些 AI 模型和编程工具？\\nA：模型层面按输出能力自适应（4K–128K\\n全覆盖，特别适配国内高性价比中小模型）。工具层面 v5.0 全面兼容 Claude\\nCode、OpenCode、Open Claw、Cursor、Trae 等，lra init\\n自动生成对应配置文件，Agent 自动学会工作流。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q5：支持 Windows 吗？\\nA：支持。v5.0 起全平台兼容（Windows \u002F Linux \u002F macOS），v5.2.2 已通过 CI\\n完整验证，跨平台相关操作使用跨平台原语，无平台锁。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q6：数据存在哪？会不会丢？多人\u002F多 Agent 同时操作安全吗？\\nA：所有状态就是 .long-run-agent\u002F 下的 JSON\u002FYAML\u002FMarkdown，跟 Git 走、可\\nreview。原子文件 I\u002FO（SafeJson +\\nFileLock）保证写不撕裂；并发场景下文件锁（单实例）+\\n任务级锁（单任务）双重保护，多 Agent 提交同一分支不冲突。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q7：性能扛得住大项目吗？\\nA：扛得住。1000 任务规模：创建 \u003C10ms、读取 \u003C2ms、更新 \u003C20ms、吞吐 172\\nops\u002Fs，10→1000 任务内存增长仅 19.5%。500 任务以内属常规使用区间。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q8：收费吗？\\nA：MIT 开源，完全免费。安装：pip install long-run-agent（开发版加\\n[dev]，含浏览器测试加 [full]）。\", \"type\": \"text\"}]}, {\"type\": \"paragraph\", \"content\": [{\"text\": \"Q9：最快怎么跑起来？\\nA：四条命令——\\nlra init --name \\\"My Project\\\"     # 初始化（自动建 Constitution）\\nlra new \\\"实现登录功能\\\"            # 创建+认领\\nlra new \\\"用户认证模块\\\" --auto-split   # 复杂任务自动拆分\\nlra status                        # 看进度\\n想全自动就 lra relay --dry-run 先干跑看看。\", \"type\": \"text\"}]}]}","hotjp","https:\u002F\u002Fwatcha.tos-cn-beijing.volces.com\u002Fprod\u002Fuser\u002Fuploads\u002F10072683_1783303424_abd75ee5-0cb7-4a8c-9265-a6f4badcf318.png;https:\u002F\u002Fwatcha.tos-cn-beijing.volces.com\u002Fprod\u002Fuser\u002Fuploads\u002F10072683_1783303424_7fc984ad-0794-4e7d-bd4d-a2bded7d6859.png;https:\u002F\u002Fwatcha.tos-cn-beijing.volces.com\u002Fprod\u002Fuser\u002Fuploads\u002F10072683_1783303424_1f8d8ce0-4958-4d97-be93-dd922499028b.png;https:\u002F\u002Fwatcha.tos-cn-beijing.volces.com\u002Fprod\u002Fuser\u002Fuploads\u002F10072683_1783303424_3a4b0efe-8f87-4842-a1b1-21d4f16417b9.png;https:\u002F\u002Fwatcha.tos-cn-beijing.volces.com\u002Fprod\u002Fuser\u002Fuploads\u002F10072683_1783303424_84049308-8c6d-4e9b-83ef-ff6131bc0366.png","https:\u002F\u002Fwatcha.tos-cn-beijing.volces.com\u002Fprod\u002Fuser\u002Fuploads\u002F10072683_1783303451_8ad43922-b57c-48d6-83cb-cb9e57878db9.png","https:\u002F\u002Fwatcha.tos-cn-beijing.volces.com\u002Fprod\u002Fuser\u002Fuploads\u002F10072683_1783303328_613ca050-b2f1-4401-bba2-9d26295f933c.png","https:\u002F\u002Fhotjp.github.io\u002Flong-run-agent\u002F","PUBLISHED",[],[17,20],{"id":18,"name":19},6,"编程开发",{"id":21,"name":22},14,"效率工具",{"upvotes":24,"stars":25,"review_count":24,"reply_count":24,"update_at":26},0,2,"2026-07-26T17:49:32.823Z","OWNER","2026-07-06T02:23:08.615Z","2026-07-06T06:16:52.844Z",10072683,10004627,null,"",false,{"reacts":36},[]]