如果说前两轮评测的引擎都在解决「一次请求、一件产物」的问题，那么本轮要拆解的是另一种完全不同的物种——长程执行体（long-horizon execution body）。它的核心命题不是「我给你一段输入，你给我一段输出」，而是「我把一个目标丢给你，你自己规划、记忆、接力、推进，直到跑完」。这是工作流自动化在 2026 年真正的深水区：从「CI/CD 把代码推上线」升级为「让一个智能体跨小时甚至跨天持续工作」。
本轮评测聚焦六款支撑长程自主执行的引擎：long-running-agent、planning-with-files、loop、remembering-conversations、continuous-learning-v2、github-actions-skill。它们恰好构成一条完整的自主执行链——从「单次长时间接力」到「把规划落盘」，再到「定时唤醒回来」「跨会话记住进度」「从执行中学习」，最后「固化进基础设施常驻运行」。评测维度沿用五项加权：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%。
| 引擎 | 定位 | 功能完整度 | 上手难度 | 变现潜力 | 训练营 | 社区 | 加权综合 |
|---|---|---|---|---|---|---|---|
| long-running-agent | 跨窗口接力执行核心 | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★★☆ | ★★★☆☆ | 4.20 |
| planning-with-files | 规划落盘与工件交接 | ★★★★☆ | ★★★★★ | ★★★☆☆ | ★★★★★ | ★★★☆☆ | 3.85 |
| loop | 定时唤醒与周期自驱 | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | 4.00 |
| remembering-conversations | 跨会话进度召回 | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ | 3.55 |
| continuous-learning-v2 | 经验沉淀自改进闭环 | ★★★☆☆ | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★☆☆☆ | 3.35 |
| github-actions-skill | 基础设施层常驻固化 | ★★★★☆ | ★★★☆☆ | ★★★★★ | ★★★☆☆ | ★★★★☆ | 4.05 |
来源 / 安装：本地集成技能；社区对应物 michael-f-bryan/skills@long-running-agent-harness（skills.sh 上 31 次安装），命令 npx skills add michael-f-bryan/skills@long-running-agent-harness。
核心机制：这是整条自主链的心脏。它直接对齐 Anthropic 工程团队 2025 年底提出的「长程代理」范式——核心难题在于「智能体必须在离散会话中工作，而每一个新会话开始时都没有上一次的记忆」。官方解法是双代理结构：一个初始化代理在首轮搭建环境、生成任务蓝图；一个编码代理在每个会话里做增量推进，并刻意留下清晰的交接工件给下一棒。再配合上下文压缩（compaction），让执行体可以在不爆窗口的前提下持续工作。
评分：功能完整度 ★★★★☆（开箱即用但需自行设计交接契约）、上手 ★★★☆☆（要理解上下文窗口与压缩边界）、变现 ★★★★★、训练营 ★★★★☆、社区 ★★★☆☆。
变现 / 训练营：变现空间最大的一款。可包装成「无人值守开发承包」——客户提交一个里程碑级目标（重构某模块、补齐测试覆盖到 80%），执行体跨数小时到数天自主推进，按交付里程碑计费，天然切中中小团队「买不起全职但需要长任务外包」的痛点。训练营中它是压轴案例：用一节课讲清「会话边界 → 工件交接 → 压缩续命」三件套，学员能立刻理解为什么单窗口的 Cursor 类工具做不了长任务。
竞品对比：对比 Claude Agent SDK 原生 compaction——原生压缩只解决「不爆窗口」，不解决「下一棒知道该干嘛」，执行体容易在压缩后丢失方向；本技能把「交接工件」作为一等公民补上。对比闭源 Devin——后者是黑盒 SaaS、按席位收费、无法私有化；本技能完全可控、可审计、可二次开发。
来源 / 安装：本地集成技能，原理对应 Anthropic 文章反复强调的「留下清晰工件给下一次会话」。
核心机制：绝大多数智能体的「计划」只活在它当前窗口里——会话一结束，计划随风而逝。这款引擎的执念是：规划必须落盘。它把任务分解、TODO、依赖关系、已决策项、待决策项写成结构化的计划文件存到项目里。下一次会话启动时，执行体第一件事就是读这份文件恢复上下文，而不是重新推理。这等于给执行体装了一块「前额叶外存」——意志和意图被持久化在磁盘上，跨会话稳定。
评分：功能完整度 ★★★★☆、上手 ★★★★★（理解成本极低，就是「写文件 + 读文件」）、变现 ★★★☆☆、训练营 ★★★★★、社区 ★★★☆☆。
变现 / 训练营：单独变现偏弱（它更像基础设施而非终端产品），但它是任何「长程自主产品」的必备内核，可作为 ToB 自主开发平台的底层组件授权。训练营适用性满分——它是讲解「为什么无状态 LLM 需要外部脚手架」最直观的教具，半小时就能让学员动手写出第一份可恢复计划。它的价值在于把抽象的「记忆持久化」变成了可触摸的 .md 文件。
竞品对比：对比纯内存 TODO——后者随会话蒸发；对比重型项目管理 SaaS（Jira/Linear）——那是给人看的，执行体读起来成本高且语义不对齐。本技能生成的是「机器可读、人也能改」的轻量契约，刚好卡在两者中间的甜点。
来源 / 安装：Claude Code 2026 年 3 月正式落地的 /loop 能力的封装，本地技能 loop。
核心机制：它解决的是「执行体如何在没有人在场时持续运转」。loop 让一个提示词或命令按固定间隔（默认每 10 分钟，可配 5 分钟到数小时）反复触发，只在 REPL 空闲时唤醒，自动续跑、状态可持久化。关键在于它不是傻 cron——每次醒来，执行体会读取当前上下文与进度，自主判断这一轮该推进什么、是否该收尾、是否该 escalate 给人。
评分：功能完整度 ★★★★☆、上手 ★★★★☆、变现 ★★★★☆、训练营 ★★★★☆、社区 ★★★★☆。
变现 / 训练营：变现路径清晰——「常驻数字员工」订阅。例如「部署看门狗」（每 5 分钟巡检、异常自愈）、「PR 催办员」（定期检查评审状态、自动催促）、「内容日更机器人」（每天抓热点、出初稿）。这些都能做成月费 SaaS。训练营里它是「自治 vs 他治」的最佳演示：把同一个任务分别交给 loop 和一次性命令，学员直观看到「持续在场」带来的质量跃迁。注意它会自动 7 天过期，做长期任务要告诉学员配 durable 持久化。
竞品对比：对比系统 cron——cron 只会到点拉起进程，不懂任务语义、不会读上下文、出错只留日志；本技能每次唤醒都带着完整智能体推理。对比 GitHub Actions 定时任务——后者跑在隔离云上、改一次要等 CI 轮转，本技能在本地即时响应、迭代飞快。
来源 / 安装：本地集成技能，与 planning-with-files 互补——前者记「要做啥」，本技能记「做过啥、决定了啥」。
核心机制：它把每次对话中真正值得长期持有的信息（关键决策、踩过的坑、用户偏好、未决问题）结构化沉淀，并在下一次相关会话开始时自动召回。对应记忆研究里常说的三类：情景记忆（过去发生过什么）、语义记忆（已知事实）、程序性记忆（学到的打法）。没有它，执行体每次开工都像失忆的新人；有了它，执行体记得「上次这个客户要求所有 API 返回 camelCase」「上次这条路径有鉴权坑」。
评分：功能完整度 ★★★☆☆（召回质量高度依赖沉淀策略）、上手 ★★★★☆、变现 ★★★★☆、训练营 ★★★★☆、社区 ★★★☆☆。
变现 / 训练营：适合做成「有记忆的专家助手」——同一客户长期使用后，助手越来越懂他的代码风格、业务术语、偏好，形成切换成本（用户黏性的护城河）。这是订阅制产品的理想内核。训练营可演示「带记忆 vs 不带记忆」处理同一个多轮任务，反差极具说服力；但要提醒学员区分「召回相关记忆」和「全量塞进上下文」——后者会污染推理。
竞品对比：对比 Claude Code 内置 memory——内置的是被动 KV，需要人显式写、显式调；本技能是主动的「沉淀 + 召回」闭环，更接近真记忆。对比 RAG 向量库方案——后者要自己搭索引、管 embedding、写检索逻辑，重；本技能开箱即用但灵活度低。
来源 / 安装：本地集成技能 v2 版，定位为自主执行链里的「经验沉淀」环节。
核心机制：前四款让执行体能跑、能记，本技能让它变聪明。每一轮执行结束后，它会把「什么打法有效、什么路径绕远、哪个错误模式反复出现」提炼成可复用的程序性经验，沉淀回技能库或规则集。下次遇到相似情境，执行体优先调用这些已验证的打法。本质是一个跑在技能层的离线强化回路——不需要重训模型权重，而是用「经验条目」持续优化行为策略。
评分：功能完整度 ★★★☆☆（提炼质量难保证，容易产出噪音经验）、上手 ★★★☆☆（要设计经验去重与失效机制）、变现 ★★★★☆、训练营 ★★★★☆、社区 ★★☆☆☆。
变现 / 训练营：可包装成「会成长的私有助手」——用得越久越贴合团队最佳实践，溢价空间来自「时间积累的不可复制性」。适合卖给有强领域惯例的垂直行业（金融合规、医疗编码）。训练营价值在于它是讲解「AI 如何在不重训的前提下持续改进」最实在的案例；但要花一整节讨论「经验漂移」——错误经验一旦沉淀会自我强化，必须配人工审核闸门。
竞品对比：对比微调——微调贵、慢、要数据集、易过拟合；本技能轻、即时、可解释（经验是文本）。对比人工写 prompt 规则——规则是静态的、靠人维护；本技能从真实执行中自动长出来。短板是社区尚薄，最佳实践还在摸索。
来源 / 安装：本地集成技能，对应把「会话内自主」升级为「基础设施层自主」的最后一跳。
核心机制：前五款都跑在「有人盯着的会话」里，本技能负责把执行体固化进 CI——生成、维护、修复 GitHub Actions 工作流，让长程任务在基础设施层定时、可靠地常驻运行。它让自主执行体从「按需召唤的临时工」变成「永远在线的正式员工」：PR 一来它自动审查、CI 一红它自动修、定时一到它自动巡检。
评分：功能完整度 ★★★★☆、上手 ★★★☆☆（要懂 Actions 语义与 YAML）、变现 ★★★★★、训练营 ★★★☆☆、社区 ★★★★☆。
变现 / 训练营：变现天花板最高的一款。直接对接 DevOps 自动化咨询市场——帮企业把「人工值守的发布流程」改造成「自愈的 CI 流水线」，按管线数量或节省的人力工时计费。这也是最容易被企业采购的形态（因为产出物是标准的 workflow，可审计、可合规）。训练营门槛偏高，适合作为「进阶 DevOps + AI」课程的实战模块，需要学员先有 CI 基础。
竞品对比：对比手写 workflow——人写易出错、难维护、不随项目演进；本技能能根据项目实际结构动态生成与修复。对比 gh-fix-ci（更偏单点修红）——后者是「救火」，本技能是「防火 + 系统性治理」。
mindmap
root((长程执行体生态))
接力执行层
long-running-agent
跨上下文窗口
双代理交接
规划持久化层
planning-with-files
落盘工件
意图外存
定时唤醒层
loop
周期自驱
空闲续跑
跨会话记忆层
remembering-conversations
情景/语义/程序性
召回接续
自我改进层
continuous-learning-v2
经验沉淀
离线强化
基础设施固化层
github-actions-skill
CI常驻
自愈流水线
这六层不是平行竞品，而是同一条自主链上的不同齿轮：long-running-agent 解决「能跑多久」，planning-with-files 解决「跑的方向稳定」，loop 解决「没人盯时自己回来」，remembering-conversations 解决「记得之前干到哪」，continuous-learning-v2 解决「越跑越聪明」，github-actions-skill 解决「跑在永远在线的舞台上」。真正强的产品会把它们串成一条流水线。
按变现潜力排序
github-actions-skill ★★★★★ —— 直击企业 DevOps 预算，产出物标准可审计，最容易签采购合同。long-running-agent ★★★★★ —— 「无人值守开发承包」按里程碑计费，单价高、需求刚。loop ★★★★☆ —— 「常驻数字员工」订阅，月费模型清晰、续费率高。remembering-conversations ★★★★☆ —— 靠记忆黏性做护城河，适合长期订阅。continuous-learning-v2 ★★★★☆ —— 「会成长的助手」溢价来自时间积累。planning-with-files ★★★☆☆ —— 更适合做平台底层授权，单卖偏弱。按上手难度排序（从易到难，新手优先）
planning-with-files —— 概念朴素，写文件读文件，半小时上手。loop —— /loop 10m <命令> 即可启动，门槛最低的自治体验。remembering-conversations —— 开箱即用，但调召回策略要花心思。long-running-agent —— 要理解上下文窗口与交接契约。github-actions-skill —— 需 CI/YAML 基础。continuous-learning-v2 —— 要设计经验去重与防漂移，最考验工程功力。按训练营适用性排序
planning-with-files —— 最佳「无状态 LLM 为何需要脚手架」教学教具。loop —— 「自治 vs 他治」反差演示，学员秒懂。long-running-agent —— 长程范式的压轴案例。remembering-conversations —— 多轮任务带不带记忆的对照实验。continuous-learning-v2 —— AI 不重训如何改进的好课，但要配审核教学。github-actions-skill —— 适合进阶 DevOps 模块，前置门槛高。一句话结论：如果只能装一款去立刻赚钱，选 github-actions-skill；如果只想装一款去真正理解 2026 年的「自主执行体」范式，选 long-running-agent，并把剩下五款当作它的器官。
long-running-agent 与 planning-with-files 的理论原点。loop 与所有执行体的运行底座。[!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。