长时运行 AI Agent 的五种架构模式与选型指南

作者 goyalshaliniuk 系统梳理了长时运行 AI Agent 的架构设计指南。其核心观点是：多数 AI Agent 只为「完成单次任务并返回结果」而设计，但当 Agent 需要连续工作数小时、数天甚至数周（如持续研究、业务监控、项目管理）时，仅有强大的 LLM 并不够，还需要能保存状态、从故障中恢复并长期持续运行的架构支撑。

已确认

作者提出并逐一分析了五种架构模式：

• 有状态图（Stateful graphs）：不把 Agent 当作连续对话，而是把工作流表示为由节点和边组成的图，每个节点执行特定操作，边定义步骤间流转，状态跨工作流维护，检查点允许中断后恢复执行，适用于多步骤、状态复杂的工作流。
• 持久化工作流（Durable workflows）：把工作流拆成可持久化的活动（activities），持久化执行历史，按既定策略重试失败活动，从记录状态恢复工作流，使 Agent 在进程崩溃或服务器重启时不丢进度。
• 事件驱动（Event-driven）：不用轮询方式反复询问 Agent 下一步做什么，而是监听来自 API、数据库或消息中间件的外部事件，在事件到达时触发 Agent 工作流，异步处理并在独立执行之间维护状态。
• 监督者-工作者（Supervisor-worker）：由监督者 Agent 把大目标拆成小任务，专业化 worker agent 各自执行单个任务并返回结果，监督者评估进度、分配下一步动作，使复杂长时任务可分布到专业化 Agent 上。
• 基于队列的分布式架构（Queue-based）：当任务达到成百上千时，单进程执行成为瓶颈；做法是把任务放入持久消息队列，由独立 worker 消费处理，失败任务可重试或转入死信队列，并按负载弹性扩缩 worker 数量，使系统可伸缩、可恢复。

为什么重要

这份梳理为构建需要长期运行的 Agent 系统提供了结构化的选型参考：不同模式对应不同的复杂度与规模场景——状态复杂的多步骤工作流选有状态图，故障容忍选持久化工作流，外部触发场景选事件驱动，任务分解场景选监督者-工作者，高并发吞吐选消息队列架构。对于从「演示级」Agent 走向生产级长时运行系统的团队，这是一份可直接对照落地的架构清单。

2026-11-09 ~ 2026-11-09 · 7 条相关

• 【源头】长时运行 AI Agent 的 5 种架构：状态图、持久工作流、事件驱动等 — goyalshaliniuk · 2026-11-09
• 架构一：用状态图替代连续对话，让 Agent 可暂停可恢复 — goyalshaliniuk · 2026-11-09
• 架构二：持久化工作流，让 Agent 在进程崩溃后不丢进度 — goyalshaliniuk · 2026-11-09
• 架构三：事件驱动 Agent，用外部事件触发而非轮询模型 — goyalshaliniuk · 2026-11-09
• 架构四：监督者-工作者模式，协调集中、执行分布 — goyalshaliniuk · 2026-11-09
• 架构五：消息队列支撑千级任务，Agent 系统可伸缩可恢复 — goyalshaliniuk · 2026-11-09

另有 1 条近重复转述:goyalshaliniuk