只有同步接口,如何支撑智能体后台任务
文章以 Muse Spaces 为例,讨论缺少常驻工作进程、数据库事件和任务队列时的异步任务设计。核心是用数据库保存任务状态,并明确唤醒智能体和交付结果的机制,以应对信号丢失。
AI 深度解读
让 AI「稍后把活干完」,不等于后台真的有东西在运行。这篇文章讨论的是一个具体问题:Muse 的 Spaces 只有同步 action,没有常驻 worker,也没有数据库变更通知,怎样接住请求,再让 agent 稍后处理并交付?
独立开发者 @nakamo326 给出的方案,是把数据库、信号文件、watch hook 和 cron 拼起来。它值得读的地方不在组件有多新,而在于把两件事分清了:唤醒通知可以丢,待办记录必须留下;agent 被重复叫醒,也不能把同一份工作随意重做。
只有同步 action,后台任务从哪里来
Muse 是 Meta 的个人 AI agent。它的 Spaces 包含 Web 应用、独立数据库和同步 action。用户提交请求时,action 可以把订单写入数据库,但 Spaces 原生没有持续运行的 worker,也不会因为数据库多了一条记录就通知 agent。
因此,「接单后立即返回,后台继续制作,完成后交付」中,只有接单这一段有现成能力。剩下的需要补上调度和执行机制。
这个模式把任务拆成五步:
- Producer,也就是 Space,先把任务写入数据库,状态设为
queued。 - 向信号文件追加一行 JSONL 事件,表示可能有新工作。
- watch hook 发现事件,唤醒 agent。
- agent 作为 worker,重新扫描数据库,取得任务所有权,再处理和交付。
- 低频 cron 运行 Reconciler,恢复卡住的高重要性任务,也就是 Tier A。
watch hook 是一个 bash 脚本,每隔 30–60 秒轮询一次。这里的「watch」不是即时文件事件通知,而是定时检查。cron 则负责低频恢复,不承担日常发现新任务的职责。
原文称,这套模式已经打包成 MIT 许可的 skill,由 SKILL.md 和模板组成,仓库创建于 2026-11-10。它是一种利用现有能力搭出来的设计模式,不能据此认为 Spaces 已经原生支持异步任务。
为什么信号只能负责叫醒,不能决定做什么
数据库决定任务是否存在,信号只负责提醒 agent 去看数据库。
信号文件位于 ~/hooks/state/<producer>-signal.jsonl,每行包含独立事件 UUID,也就是 event_id,以及 job_id 等字段。worker 醒来后,不直接拿信号里的任务 ID 开工,而是扫描数据库中的待办任务。
这个区别决定了通知丢失后的结果。如果信号就是任务本身,丢掉通知就可能丢掉工作;如果任务已经持久化,下一次 worker 醒来,仍然可以发现处于 queued 状态的记录。
参考实现上线第一天就遇到了相关问题:测试用 sandbox 数据库的任务 ID,污染了生产信号的 seen 记录。seen 用来记录哪些事件已经见过,污染后,生产系统可能误以为某个真实任务的通知已经处理。
原文称,这次没有造成实际损害,因为醒来的 worker 会重新扫描数据库。这个事故也促使设计调整:事件去重标识从 job_id 改为每个事件独立生成的 event_id。
原因很直接。任务 ID 通常只在单个数据库内唯一,测试库和生产库可能出现相同 ID,不能直接拿它当跨环境事件标识。这里使用 UUID 解决的是事件身份问题,并没有替代环境隔离。
hook 还有几条约束:一次轮询最多唤醒 agent 一次;唤醒消息不携带 ID 或任务数据;发现仍然新鲜的 worker lock,表明 worker 正在运行时,就跳过唤醒,同时不更新 seen。等当前 worker 结束,这些被跳过的信号仍有机会被发现。
信号里也不应放任务正文、指令、个人信息、文件路径和凭据。原文将其视为潜在的注入入口。worker 需要什么,再从数据库读取什么。不过,数据库中的用户输入也不会因此自动变得可信,后续执行仍需区分任务数据与执行指令。
可靠性靠所有权控制,也受运行条件限制
被唤醒之后,worker 还需要 claim 任务,也就是通过条件状态迁移和 token 确认「这份工作由谁执行」。否则,重复唤醒或并发执行仍可能让多个 worker 同时处理一条记录。
这里要分清两种承诺:至少一次交付(at-least-once)允许重复;外部副作用恰好发生一次(exactly-once),则要求支付、发帖等动作不能重复。原文把前者和通过 claim 实现的近似单次处理列为契约,明确表示这套方案不适合要求外部副作用 exactly-once 的业务。
免费正文没有给出完整实现。状态机、request_id、claim、CAS、token 校验、固定交付顺序,以及不自动重试、poison-job 和 attempts 规则,都放在售价 $5 的实现契约文档里。Tier A / Tier B 的详细划分、已验证端到端路径、尚未实现的契约项和三项实证检查,也属于该文档内容。
因此,不能仅凭免费部分确认这些机制全部落地,更不能补写它没有公开的恢复规则。
它的适用范围也很明确:能接受等待、任务量不大的请求制作与交付流程。几秒内就能完成的同步任务,没有必要额外维护队列和 worker;要求秒级低延迟的任务,也不适合依赖 30–60 秒轮询。
吞吐量同样有边界。hook 每次都会扫描整个信号文件和 seen 记录,长期积累到数万行时会先遇到扫描瓶颈。检查清单虽然提供轮转流程,但不能把轮转当成高吞吐能力的证明。
尝试前最关键的一步,是用小 action 测试 Space 服务端代码能否向自身目录外写文件,例如 ~/hooks/state/。写不出去,整个信号通路就不成立。
我的判断
我认同它对通知和持久化记录的分工。对 AI 编程尤其有用的一点是:「安排了稍后处理」必须对应可查询的任务记录、可执行的唤醒机制和明确的交付流程,不能只停留在 agent 的口头承诺。
不过,数据库里还有任务,不等于任务一定会被及时执行。 丢失的通知需要后续唤醒才能弥补,而原文明确说明的 Reconciler 恢复范围只有 Tier A。普通任务在长期没有新信号时,是否还有完整兜底,免费正文没说清。
参考实现的首日事故,支持「扫描数据库能抵御某类信号遗漏」这个判断,但不足以证明所有故障都能恢复。文中也没有给出吞吐量、延迟分布或与常驻 worker、消息队列的对照数据。适用性判断主要来自机制分析和有限运行经验。
和常见的任务队列方案相比,它的价值在于适应 Muse 的约束。若团队已有 Node 服务、持久化队列和 worker 基础设施,就应结合现有能力选择方案,不必为了形式相同,再增加一套文件信号协议。任务所有权、重试和外部操作去重,无论采用哪种方案都需要明确处理。
能拿来做什么
- 在 Space 中试用前,先写一个最小 action,验证能否向
~/hooks/state/写文件;把这个环境前提验证通过,再安装和配置 skill。 - 需要接入时,将
SKILL.md、skill.yaml和templates/放进~/workspace/custom-skills/space_async_jobs/。五个模板分别是action-contract.md、hook-script.sh、worker-prompt.md、reconciler-prompt.md和verification-checklist.md,再让 Muse 按 skill 为 Space 添加异步任务。 - 给前端提交的耗时请求设计后台流程时,先确保请求已形成数据库任务记录,再发唤醒通知;worker 根据数据库状态领取工作,避免把通知内容当成待办清单。
- 检查日常 AI 编程生成的任务方案时,重点追问通知丢失、重复唤醒和 worker 中断后的行为;涉及支付、发帖等外部操作时,单独验证其去重机制,不能用 claim 成功替代这一步。