编程智能体擅长又长、又明确、又繁琐的工作:给五十个模块补测试、把所有调用点迁移到新 API、修复一千条 lint 警告。这类工作不需要你盯着。它需要的是一个安全的运行环境、一个清晰的任务、防止卡死的保护措施,以及一种能让你边喝咖啡边审查结果的方式。
下面是一份搭建这套流程的检查清单。
1. 如何给无人值守的智能体做沙箱?
无人值守的智能体运行的 shell 命令没人审批。要假定它迟早会运行你不会批准的操作:删错目录、安装某个包、推送到远程仓库。要把它关起来。
- **用容器或虚拟机,**而不是你笔记本上的主用户账户。Docker 的安全文档介绍了相关控制措施;至少要以非 root 用户运行,并去掉不需要的 capabilities。
- **只挂载代码仓库。**不挂载用户主目录,不放 SSH 密钥,不放云凭据,也不放装满令牌的
~/.config。 - **不放生产密钥。**使用测试数据库和假的 API 密钥。如果智能体确实需要真实服务,给它一个权限受限、可吊销的密钥。
- **限制网络。**智能体需要访问模型 API,也许还有包仓库。其他的很少用得上。
- **不给推送权限。**让它在本地提交。审查后由你来推送。
模型 API 密钥是智能体必须持有的唯一凭据。为此专门创建一个密钥,如果服务商支持,把它限制为沙箱的出站 IP。BroadNet 的密钥支持最多 32 条 IP 白名单,所以即使密钥泄露,在其他地方也用不了。
2. 为什么每个智能体都要有自己的分支?
在专用分支上工作,绝不在 main 上。如果运行多个智能体,用 git worktree 给每个智能体一个独立的工作目录:
git worktree add ../agent-tests-api -b agent/tests-api
git worktree add ../agent-lint-fixes -b agent/lint-fixes
每个 worktree 都是同一仓库的独立检出,所以智能体之间不会覆盖彼此的文件,每个分支也能准确显示一个智能体做了什么。
然后,**每完成一步就提交一次。**Aider 默认就这样做。对于其他智能体,把这一点写进指令里,或者包装循环,让测试通过时自动提交。由一个个小提交组成的历史,能把“智能体凌晨 3 点弄坏了什么”变成“第 14 个提交弄坏了,保留第 1 到 13 个”。
3. 任务文件里写什么?
交互时管用的一行提示词,在通宵运行时会失败,因为智能体问出第一个问题时没人回答。写一份任务文件:
# Task: add unit tests to src/billing/
## Goal
Every public function in src/billing/ has at least one unit test.
## Done when
- `pytest tests/billing` passes
- coverage for src/billing/ is reported (no target)
- no changes outside tests/billing/ except fixing obvious bugs, each in its own commit
## Rules
- Do not change public function signatures.
- If a function is untestable without a refactor, list it in NOTES.md and move on.
- Run `pytest tests/billing -x` after each new test file.
## Notes
Append decisions and skipped items to NOTES.md as you go.
“Done when”(完成标准)部分最重要。它让智能体知道什么时候算完成,也让你有办法检查。如果运行重启或上下文被压缩,笔记文件还能充当记忆;参见长时间运行智能体的上下文管理。
4. 哪些保护措施能叫停卡住的智能体?
无人值守意味着智能体卡住了也要到早上才有人发现。四种保护措施:
- **步数上限。**每个任务的模型调用次数设一个固定上限。
- **截止时间。**到某个钟点(例如 07:00)就停止,不管进展如何。
- **重复检测。**同一个工具调用连续三次返回相同结果,或者连续若干步没有任何文件变化时,就停止。
- **单个工具的超时。**一个挂起的测试套件不应该拖住一整夜。
保护措施触发时,智能体应把原因写进笔记文件,然后干净地退出。步数上限和重试上限为何影响成本,见编程智能体成本指南中的限制每个任务的步数。
Aider 很容易以这种方式运行:它的脚本文档介绍了用 --message 选项执行一条指令后退出,以及用 --yes-always 自动确认提示。在 shell 循环中遍历任务列表,每次运行外面套一个 timeout,就得到了一个简单的通宵任务队列。
5. 通宵运行,套餐会话和按 token 计费哪个更便宜?
通宵运行改变了成本问题。没人盯着计费,卡住的智能体可能循环好几个小时。
**用按 token 计费的密钥时,**成本取决于智能体发送了多少内容。智能体每一步都会重新发送上下文,所以八小时的运行累计起来不少。提示词缓存帮助很大(DeepSeek V4.1 Flash 的缓存输入为每百万 token $0.0055,新输入为 $0.175),但输出 token 和思考(reasoning)token 按全价计费。你需要为每次运行设定 token 预算,并给账户设消费上限。
**用套餐会话时,**没有 token 计量。一个 Full Moon 会话每月 $60,DeepSeek V4.1 Flash 的 token 不限量;无论智能体运行多久、循环多少次,这就是上限。对通宵工作来说,这是最大的吸引力:睡觉前就知道最坏情况下的账单。
| 按 token 计费的密钥 | 套餐会话 | |
|---|---|---|
| 卡住一整夜的最坏成本 | 随 token 增长 | 固定为套餐价格 |
| 并行智能体 | 每个按量付费密钥同时最多 4 个请求 | 每个会话同一时间一个请求 |
| 模型 | 所有对话模型 | 仅 DeepSeek V4.1 Flash |
| 是否仍需保护措施 | 需要,为了成本和时间 | 需要,为了时间 |
关于会话,有两点实用说明。一个会话同一时间只处理一个请求,所以两个共用一个会话的智能体要轮流执行;同一会话上的任务按顺序运行,这在通宵场景下通常没问题。如果想让智能体并行运行,就为每个智能体各买一个会话。在固定价格 API 上并行运行智能体一文给出了具体算法。
按 约每秒 100 个 token 的典型速度,一个会话连续使用一个月可以产出 约 2.59亿 输出 token。对你来说是否比按 token 计费划算,取决于用量;在 BroadNet 的示例中,一个全职编程智能体按量付费每月约 $65.40。用固定价格与按 token 计费计算器算一算你自己的数字。长时间无人值守的运行还需要控制上下文,以及能在崩溃后继续的重试机制:参见超时、重试与检查点。
6. 早上如何审查运行结果?
通宵运行的价值要到审查时才能兑现。让审查快起来:
- **先读 NOTES.md。**智能体完成了什么、跳过了什么、卡在了哪里?
- **检查停止原因。**是完成了、达到步数上限、到了截止时间,还是重复检测触发?
- **自己跑一遍测试。**不要相信智能体报告的测试全绿。
- **按提交阅读 diff。**小提交让糟糕的改动很容易被发现和丢弃。
- **把要保留的提交 squash 或 rebase,**然后正常创建 pull request。
大多数早上,你会保留大部分工作,手动修几个提交。运气不好的早上,你会删掉一个分支。无论哪种情况,没有你的参与,什么都碰不到 main。
第一晚如何安全地试运行?
从一个需求明确的任务、一个智能体和一个会话开始。一个 Meteor 小时($1)就足以在你让任何东西整夜运行之前,检查沙箱、分支和保护措施是否正常工作。关于智能体本身,Aider 指南给出了准确的连接设置,编程智能体最佳开源模型帮你选模型,套餐会话如何运作介绍了密钥和会话。
