## 概述：当代理跨越上下文窗口 本期评测聚焦 Claude Code 工作流自动化栈中一个长期被低估、却在 2026 年成为决定性瓶颈的层次——**会话记忆与长程任务引擎**。CI/CD、部署、PR 自愈回路解决的是"代码怎么流动"，而本类引擎解决的是一个更根本的问题：**当单次任务的 token 预算耗尽、当代理必须重启、当工程师隔了一周再回来时，工作如何不丢、不漂、能续跑**。 这一层在 Anthropic 2025 年 11 月《Effective harnesses for long-running agents》和 2026 年 3 月《Harness design for long-running application development》两篇工程博客之后被正式命名为"context engineering"。其底层共识是：单靠模型能力无法跨越多个上下文窗口，必须用**文件化计划（planning-with-files）、检查点（checkpointing）、会话压缩与回灌（session compression / re-injection）**三类机制补足。本期横评覆盖七个代表引擎，从崩溃恢复、跨会话记忆、PRD 拆解到自评自测，逐一给出五星打分与变现/教学适配分析。 ## 评测总览表 | 引擎 | 维护方 | 核心机制 | 功能完整度 | 上手难度 | 变现潜力 | 训练营适用 | 社区活跃 | 综合分 | |------|--------|----------|:---:|:---:|:---:|:---:|:---:|:---:| | planning-with-files | OthmanAdi | 文件化持久计划+崩溃恢复 | ★★★★★ | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★★☆ | 4.3 | | claude-mem | thedotmack | 会话全量捕获+压缩回灌 | ★★★★★ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★★★★ | 4.5 | | claude-remember | Digital-Process-Tools | 跨会话连续记忆层 | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ | 3.9 | | long-running-agent | bowen31337 | PRD→任务→自治执行 | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★★☆☆ | 3.9 | | nonstop-agent | seolcoding | 生产级自治代理框架 | ★★★★★ | ★★☆☆☆ | ★★★★★ | ★★★☆☆ | ★★★★☆ | 4.0 | | continuous-learning-v2 | 社区 | 自我改进闭环 | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★★★ | ★★★☆☆ | 3.8 | | skill-creator 2.0 | Anthropic 官方 | 评测/基准/A-B 工作流工厂 | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★★ | ★★★★★ | 4.4 | > 评分维度权重：功能完整度 25% / 上手难度 20% / 变现潜力 25% / 训练营适用性 15% / 社区活跃度 15%。 ## 逐个深度评测 ### 1. planning-with-files —— 文件即记忆的崩溃恢复范式 **来源/安装**：OthmanAdi 开源仓库，`/add-dir` 或通过 skills 市场安装，入口为 `planning-with-files` 技能。核心仓库 `github.com/OthmanAdi/planning-with-files`，定位为"为 AI 编码代理和长程自治任务提供持久化的、基于文件的计划"。 **核心机制**：它把 Manus 风格的"计划始终落盘"思想移植到 Claude Code：维护一份 `PLAN.md` / 待办清单，每完成一步就地更新文件，使代理的状态不依赖上下文窗口内存。其卖点明确标注为 **crash-proof markdown**——即使进程崩溃、上下文被压缩或截断，下一次重启读取计划文件即可无损续跑。这与 Anthropic 官方 harness 设计中"用文件作为唯一真相源"的原则高度吻合。 **评测打分**：功能完整度 ★★★★★（计划生成、进度同步、崩溃恢复三件套齐全）；上手难度 ★★★★☆（只需理解"先写计划再动手"的纪律，门槛低）；变现潜力 ★★★☆☆（机制本身偏方法论，更适合内嵌进垂直产品而非单独售卖）；训练营适用 ★★★★★（极佳的"长程任务"教学骨架）；社区活跃 ★★★★☆。 **变现/训练营分析**：它最强的价值在**教学**——是讲解"为什么代理会漂移、如何用文件锚定"的最佳教具，建议作为任何代理开发训练营的第一课。商业化路径是将其打包进行业垂直 SaaS（如律所合同审阅、金融尽调），把"计划文件"作为可审计交付物，溢价来自可追溯性。 **竞品对比**：相比 claude-mem 的"全量捕获"哲学，planning-with-files 更克制——只存计划而非全部对话，token 成本更低、信噪比更高，代价是丢失了对话中的隐含决策。 ### 2. claude-mem —— 会话全量记忆与 ~10x 节省 **来源/安装**：thedotmack 开源，`github.com/thedotmack/claude-mem`，多个市场（SkillsLLM、AgentSkill、mcpmarket）收录，标注 82k★ 量级热度，是本类目社区声量最高的引擎。 **核心机制**：定位"为每个代理提供跨会话持久上下文"——捕获会话期间代理执行的所有动作，本地压缩存储，下次会话自动把相关记忆回灌进上下文窗口。BetterStack 与多篇 2026 指南实测报告其可**节省约 10 倍 token**，原理是用压缩后的语义摘要替代原始冗长对话重新喂入。 **评测打分**：功能完整度 ★★★★★（捕获、压缩、检索、回灌闭环完整）；上手难度 ★★★☆☆（默认配置可跑，但记忆检索调参有学习曲线）；变现潜力 ★★★★★（直接对标记忆即服务）；训练营适用 ★★★★☆；社区活跃 ★★★★★（82k★、跨平台分发、第三方衍生如 OpenClaw Claude-Mem）。 **变现/训练营分析**：变现空间最大——可改造为"团队共享记忆层"付费产品，按记忆条数或团队席位计费；企业版卖点为"离职工程师的项目记忆不丢失"。训练营可设计 90 分钟模块：从 0 搭一个带记忆的客服代理。 **竞品对比**：比 planning-with-files"重"，存储与检索开销更大，但在需要完整对话溯源（如调试历史、复现 bug）的场景不可替代。其风险是记忆污染——错误信息一旦写入会被反复回灌，需要配合定期清洗。 ### 3. claude-remember —— 对抗"空白启动"的连续记忆 **来源/安装**：Digital-Process-Tools 开源 `github.com/Digital-Process-Tools/claude-remember`，本地技能库中的对应实现为 `remembering-conversations`，触发场景明确为"会话间需要保持上下文"。 **核心机制**：直击 Claude Code 最痛的一点——"每个会话从空白开始，不知道你上次做了什么"。它在会话结束自动生成结构化记忆条目（决策、偏好、未竟事项），新会话开场自动加载，形成连续记忆层。与 robabby/claude-skills 的"Obsidian 跨会话记忆"思路同源，但更轻量、不强依赖外部笔记库。 **评测打分**：功能完整度 ★★★★☆（记忆读写齐全，但检索召回弱于 claude-mem）；上手难度 ★★★★☆（零配置开箱即用）；变现潜力 ★★★★☆（可做个人知识连续性订阅）；训练营适用 ★★★★☆；社区活跃 ★★★☆☆（生态分散，多同名实现）。 **变现/训练营分析**：适合做成"个人 AI 记忆"低门槛订阅（¥19–39/月），面向非技术用户。训练营价值在于演示"记忆设计的三层结构：事实层 / 偏好层 / 待办层"，是讲解记忆架构的入门好案例。 **竞品对比**：定位介于 planning-with-files（只存计划）与 claude-mem（全量捕获）之间——存的是"提炼后的记忆"而非全部对话，平衡了信噪比与实现复杂度。短板是缺乏向量检索，跨长期项目召回会衰减。 ### 4. long-running-agent —— PRD 直驱的自治执行 **来源/安装**：bowen31337 开源 `github.com/bowen31337/long-running-agent-skill`，本地技能库对应 `long-running-agent`，符合 Agent Skills 规范，可被 Claude Code 直接调用。 **核心机制**：把"长程"具体化为一条流水线——**解析 PRD → 拆解任务 → 逐项自治执行 → 写回状态**。它假设输入是一份需求文档而非一句话，自动产出可追踪的任务树，并在执行中持续更新进度，天然适配 Anthropic harness 模式中"协调子代理 + 编码子代理"的双代理结构。 **评测打分**：功能完整度 ★★★★☆（PRD 解析与任务执行强，但缺少自动回滚）；上手难度 ★★★☆☆（需先会写结构化 PRD）；变现潜力 ★★★★★（PRD→交付是外包/接单场景的标准化利器）；训练营适用 ★★★★☆；社区活跃 ★★★☆☆。 **变现/训练营分析**：变现点最清晰——结合"AI 接单自动化"做成交付流水线 SaaS，把传统外包的"需求理解"环节标准化，按交付项目计费。训练营可设计为"用一份 PRD 驱动 Claude 干完一个完整中型项目"的实战营（建议 2 天）。 **竞品对比**：与 nonstop-agent 相比，它更轻、更聚焦"PRD→任务"这一步，不绑定重型运行时；代价是缺少生产级的容错与监控。 ### 5. nonstop-agent —— 生产级自治框架 **来源/安装**：seolcoding 开源 `github.com/seolcoding/nonstop-agent`，定位"运行 Claude 驱动自治代理的生产就绪框架"。 **核心机制**：在 long-running-agent 之上补齐了生产所需的全套件——任务队列、失败重试、状态持久化、可观测日志，强调"可以连续运行数小时乃至数天"。它把 motlin 等社区实践中"用 todo 列表让 Claude 跑一小时以上"的经验工程化，并加入异常熔断。 **评测打分**：功能完整度 ★★★★★（队列+重试+持久化+监控一体化）；上手难度 ★★☆☆☆（生产级框架，部署与调参门槛高）；变现潜力 ★★★★★（可直接作为商业自治平台底座）；训练营适用 ★★★☆☆（偏重，适合进阶班）；社区活跃 ★★★★☆。 **变现/训练营分析**：商业化最重的选项——适合作为"AI 自动化运维 / 夜间批处理"平台的核心引擎，面向企业按跑批任务量计费。训练营不推荐入门，适合作为"代理工程高阶班"结业项目（1 周）。 **竞品对比**：是七个里唯一面向"部署到服务器无人值守"的，其余六个更偏交互式开发态。短板是学习曲线陡，对中小开发者过重。 ### 6. continuous-learning-v2 —— 自我改进闭环 **来源/安装**：社区技能 `continuous-learning-v2`（前身为 `continuous-learning`），与 `self-learning` 同族，定位把"反馈→修正→沉淀"做成可复用闭环。 **核心机制**：核心是**把每次失败/反馈自动转化为记忆与规则更新**，形成代理的"经验曲线"。它与 claude-mem 的区别在于：claude-mem 存"发生了什么"，continuous-learning-v2 存"该学到什么"——从原始事件中提炼可复用经验，下次自动规避同类错误。 **评测打分**：功能完整度 ★★★★☆（反馈闭环完整，但经验提炼质量依赖模型）；上手难度 ★★★☆☆（需理解反馈结构化）；变现潜力 ★★★★☆（可做"越用越聪明"的差异化卖点）；训练营适用 ★★★★★（讲解自监督/自改进的极佳案例）；社区活跃 ★★★☆☆。 **变现/训练营分析**：变现卖点独特——"代理会随着使用变好"可显著提高留存与续费，适合做成按经验库规模收费的增值模块。训练营价值极高，是讲清楚"AI 如何从错误中学习"的最佳教具，建议作为方法论核心课。 **竞品对比**：与 claude-mem 互补——一个存事实，一个存教训，生产中常组合使用。单独用则偏"窄"，需配合记忆层才能闭环。 ### 7. skill-creator 2.0 —— 评测驱动的技能工厂 **来源/安装**：Anthropic 官方插件 `claude-plugins-official/plugins/skill-creator`，2026 年 3 月升级到 2.0，本地对应 `skill-creator`。Claude 官方博客《Improving skill-creator: Test, measure, and refine Agent Skills》详述了升级。 **核心机制**：2.0 把技能从"一次写完"升级为**写评测→跑基准→盲测 A/B→迭代触发准确率**的工程化闭环。它内置基准测试集，可量化技能在不同模型版本下的可靠性，并在模型演进（如 4.6→4.7）时自动检测技能是否退化。本质是用软件测试的方法论治理"提示词即代码"。 **评测打分**：功能完整度 ★★★★★（创建+评测+基准+A/B 一体）；上手难度 ★★★★☆（需懂评测设计，但官方向导友好）；变现潜力 ★★★★☆（评测能力可独立成企业服务）；训练营适用 ★★★★★（"如何造一个可靠的技能"标准教材）；社区活跃 ★★★★★（官方背书+大量 2026 教程）。 **变现/训练营分析**：训练营地位最高——它是任何"造技能"训练营的官方基准工具，配套生态最完善。变现路径是"技能质量保证平台"：为企业自建技能库提供持续评测、回归告警、模型迁移兼容性检测，按技能数订阅收费。 **竞品对比**：唯一带官方评测基准的，是其余六个技能"能用多久不坏"的度量工具——可视为本类目的**元引擎**。 ## Skills 生态分类思维导图 ```mermaid mindmap root((会话记忆与
长程任务引擎)) 文件锚定派 planning-with-files 崩溃恢复 计划落盘 全量记忆派 claude-mem 会话捕获 压缩回灌 claude-remember 连续记忆层 自治执行派 long-running-agent PRD拆解 nonstop-agent 生产级框架 自我进化派 continuous-learning-v2 反馈闭环 skill-creator 2.0 评测与基准 ``` ## 推荐排行榜 **按综合分** 1. claude-mem（4.5）——社区声量与功能闭环双第一 2. skill-creator 2.0（4.4）——官方背书的元引擎 3. planning-with-files（4.3）——最轻最稳的崩溃恢复 4. nonstop-agent（4.0）——唯一生产级 5. long-running-agent / claude-remember（3.9） **按变现潜力** 1. claude-mem —— 记忆即服务，团队席位计费 2. long-running-agent —— PRD→交付外包流水线 3. nonstop-agent —— 企业无人值守批处理 4. skill-creator 2.0 —— 技能质量保证平台 5. continuous-learning-v2 —— "越用越聪明"增值模块 **按训练营适用** 1. skill-creator 2.0 —— 官方造技能标准课 2. planning-with-files —— 长程任务第一课 3. continuous-learning-v2 —— 自改进方法论核心课 4. claude-mem —— 90 分钟搭建带记忆代理 5. long-running-agent —— 2 天 PRD 实战营 **按上手友好** 1. planning-with-files —— 零依赖、单文件 2. skill-creator 2.0 —— 官方向导 3. claude-remember —— 开箱即用 4. claude-mem —— 默认配置可跑 5. long-running-agent —— 会写 PRD 即可 ## 组合策略建议 七个引擎并非互斥，实测最佳组合是**三段式**：交互开发用 `planning-with-files` 锚定计划 + `claude-mem` 存对话事实；交付期切到 `long-running-agent` 跑 PRD；上线后用 `nonstop-agent` 做无人值守，并以 `continuous-learning-v2` 持续修正、`skill-creator 2.0` 定期回归评测。这套组合恰好覆盖 Anthropic harness 模式的"协调-执行-持久化-自改进"全链路，是 2026 年长程代理工程的事实标准栈。 ## 参考来源 1. [Effective harnesses for long-running agents — Anthropic Engineering](https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents) — 长程代理 harness 设计的奠基文章，提出检查点与上下文压缩机制 2. [Harness design for long-running application development — Anthropic](https://www.anthropic.com/engineering/harness-design-long-running-apps) — 2026 年 3 月更新的双代理 harness 架构与文件即真相源原则 3. [planning-with-files — OthmanAdi GitHub](https://github.com/OthmanAdi/planning-with-files) — 文件化持久计划与崩溃恢复的开源实现 4. [claude-mem: Persistent Context Across Sessions — thedotmack GitHub](https://github.com/thedotmack/claude-mem) — 会话全量捕获与压缩回灌记忆引擎 5. [Improving skill-creator: Test, measure, and refine Agent Skills — Claude 官方博客](https://claude.com/blog/improving-skill-creator-test-measure-and-refine-agent-skills) — skill-creator 2.0 的评测、基准与 A/B 测试能力说明 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。