跨天运行的 Agent 如何管理记忆与任务

Agent 处理一项任务要跨十天，难点可能根本不在模型连续运行多久，而在中途等待谁、交接什么、何时恢复。财富管理公司 Arca 的做法，是让 Agent 承担后台分析和流程推进，由人类顾问掌握最终决策与资金操作。

Latent Space 对 Arca 首席 AI 工程师 Aman Singh 的访谈，提供了一套可拆解的工程思路：持久化记忆、自建运行框架、确定性权限限制，以及用人工反馈改进系统。它值得读的地方，是把「Agent 主动提醒人」落实到了具体分工。

跨十天的任务，靠什么接着往下做

Singh 说，Arca 的 Agent 任务最长可能跨越十天，但这类工作属于长期跨度任务，并非持续执行任务。期间有多方参与、多个决策点和反复交接，运行过程经常停下来。

这两种任务需要解决的问题不同。持续计算主要关心执行是否稳定；跨天协作还要知道停在哪里、正在等谁、下一步由什么条件触发。

Arca 为每位客户建立了持久化记忆，记录已经发生的事情、未来几天要处理的事项、长期跟踪目标，以及每项行动的负责人。Agent 会向这些记录补充信息。

长期任务需要保存的不只是对话，还有进度、责任人与下一步行动。

这也是标题里「Agents Prompt People」的含义：系统掌握待办和上下文后，可以主动提醒顾问推进工作。顾问不必每次重新组织提示词，才能让系统开始做事。不过，原文没有交代记忆的存储结构、更新冲突处理方式，也没有说明它如何判断某条旧记录已经失效。

为什么最终决定不能交给模型

Arca 使用 Anthropic、OpenAI 等公司的模型，主要模型供应商是 Claude。但模型负责分析和提出方案，交易及其他资金流动由人类顾问处理。

关键在限制放在哪里。Singh 强调，他们的安全限制完全是确定性的。按这个描述理解，哪些动作允许执行，应由程序规则和工具权限决定，而不能取决于模型是否记得遵守提示词。

Agent 可以独立执行部分工具和任务，但涉及客户资金风险的操作不在这个范围内。系统也会针对提示注入等已知 AI 安全问题执行检查。原文没有给出检查方式、覆盖范围或测试结果，因此不能据此判断防御效果。

他们对数据查询还加了一道转换。Agent 本身没有被整体放进沙箱，但计算会使用沙箱。对于访问敏感数据的生成代码，系统先把它转换成后端预期的严格格式，丢弃原代码，再对这个格式施加限制，最后才允许请求到达后端。

可以把它理解成：模型能够灵活表达计算需求，后端只接收受约束的请求。Agent 因而仍能聚合、整理数据，辅助生成财务规划。

这里不能直接脑补成某种 SQL 白名单或特定 DSL。原文没有公开格式定义，也没有交代转换过程中如何保留语义、阻止越权访问。

自建运行框架，究竟买到了什么

Arca 自建了 Agent 运行框架，也就是原文所说的 harness。它承担模型与业务系统之间的编排工作，其中明确提到的一项能力，是根据内部基准测试，为不同任务自动选择合适的模型。

选择依据是内部任务上的表现，而非只认一家供应商。掌握框架也让他们能够在需要时切换模型提供方，减少对托管 Agent 框架的依赖。

另一条改进路径来自实际运行。Arca 把人类顾问的反馈与 Agent 执行轨迹放在一起，由一个 meta-agent 分析，再提出框架修改建议。执行轨迹可以帮助团队追查：模型当时获得了什么信息，经过哪些步骤，最终为何得到这个结果。

meta-agent 在这里提出改进建议，原文没有说它能自行修改并发布系统。

这些都是作者介绍的团队实践，但还不是效果对照实验。原文未提供内部基准的题目、评分规则、模型选择收益，也没有给出引入反馈机制前后的错误率变化。

我的判断

我最认同的是把流程主动权与高风险执行权分开。Agent 可以发现待办、整理资料、推动交接，人类保留关键动作的决定权。这比单纯在提示词里写「执行前请确认」更有工程上的约束力。

但「由人审批」也有前提：审批者必须看得懂依据，并且有足够时间核验。原文没有说明顾问会收到哪些证据、如何识别遗漏，也没有提供审批质量数据。有人点击确认，不能自动证明整条链路可靠。

自建 harness 则需要算账。Arca 最近完成了由 General Catalyst 领投、Index Ventures 和 Venrock 参与的 $48.5 Million 融资，其业务对数据权限、责任边界和跨天协作都有明确要求。一般团队未必拥有相同的投入条件。用现成编排能力配合业务状态存储和权限检查，也可能覆盖眼前需求。

因此，这篇更适合作为架构经验来读。它说明了一家公司如何划分职责，没有证明自建框架优于托管方案，更没有证明 Agent 已能独立承担财富管理决策。视频目录提到 $100,000 税单案例，但正文没有展开处理过程，无法据此复盘方案是否有效。

能拿来做什么

• 做跨天 AI 工作流时，先保存任务进度、负责人、等待条件和下一步行动，再考虑增加多少轮模型调用。恢复任务时，应能直接解释为什么现在可以继续。
• 在 Node 后端接入 Agent 工具时，把可读数据范围与可执行动作写进服务端权限检查。前端的确认按钮需要对应后端真正生效的执行限制。
• 允许模型生成数据查询逻辑时，可以研究受限请求格式这条路线，但需要单独验证转换正确性与访问边界，不能把沙箱当成完整的数据授权方案。
• 改进日常 AI 编程流程时，把人工纠正与对应执行轨迹一起留存，逐步整理成可重复检查的案例。模型提出的流程改进，也应经过验证再采用。