Headlong – 一个让AI Agent永不休眠的开源微框架

Headlong是一个基于Bash编写的Agent运行框架，核心代码不到1万行。它与传统Agent框架的最大区别在于”持久化智能体”设计——大多数Agent框架是反应式的：人类给任务，Agent执行，任务结束就冻结，直到下一次指令。有些框架加了定时任务或心跳机制，按固定清单唤醒Agent执行预设检查，然后再次休眠。

Headlong里的Agent从不休眠，也没有固定清单。它在自我引导的循环中持续生成思考，即使没有外部输入。人类发来的消息不会开启一个新会话，而是作为一条观测数据落入Agent的思维流中，Agent自己决定要不要回复、什么时候回复。

Headlong核心特点

单一思维流，多人共享

Headlong Agent只有一个思维流，驱动所有可能并行的对话。每个团队成员发来的消息都汇入同一条时间线。Agent自己决定回复谁、什么时候回复。这种设计让多人共享同一个Agent变得有趣——Agent能跟踪不同人的工作进展，并在他们之间建立连接。

Laude Institute的共享Agent名叫Audel。它曾主动审查两名队友正在开发的分支，发现其中一个分支里硬编码了模型名称。它还会主动发起对话，比如上线第一天就 unprompted 地给一位团队成员发了消息，审计对方8个陈旧的git分支，10分钟后又发消息纠正了自己的计数错误。

微框架，全部用Bash

Headlong的核心功能由几个小型Bash可执行文件组成。shellm工具是Bash实现的递归语言模型。现代大模型已经熟悉Bash，这让工具、Agent框架、记忆和技能全部统一为可执行文件和文件。Agent可以直接检查和修改自身的任何部分。

自激活循环

每次运行结束时，Agent自己安排下一次唤醒。循环不会阻塞等待输入。当Agent处于 engaged 状态时，唤醒间隔很短；当无事发生时，间隔按指数退避拉长（从5秒到10秒、20秒，直到达到配置上限），以节省Token消耗。

记忆压缩与DAG轨迹

Agent的轨迹以DAG（有向无环图）结构的jsonl文件存储，支持分叉和合并。上下文组装采用指数衰减分辨率算法：近期条目逐字保留，旧条目渐进式摘要。这些层级充当索引，Agent需要时可以检索原始条目。

Headlong技术原理

Headlong的核心是一个无限循环，每次调用LLM时传递的提示大致是：”你的任务是在给定过去思考的情况下选择下一个思考。”

一次唤醒的运行流程：

1. 新的轨迹步骤（如人类消息或自我唤醒）唤醒循环

2. context工具读取轨迹并渲染为LLM提示

3. llm调用模型，生成推理文本，可能包含Bash代码块

4. bash运行LLM写的Bash代码块，输出写回轨迹

5. 循环持续，直到LLM响应中没有Bash代码块或设置了FINAL环境变量

6. 运行结束，自我安排下一次唤醒，作为新步骤落入轨迹

技能系统通过markdown文件实现。Agent可以安装或卸载技能，安装后的技能文件被纳入上下文。默认预装的重要技能包括mem（记忆）和traj（轨迹）。

当主机安装Docker时，Headlong在容器内运行Agent写的每个Bash代码块，Agent只能接触到挂载进容器的内容和给它的凭证。Laude运行Audel时选择了直接在专用VM上运行（无沙箱），所以Audel的权限范围是整个VM。

Headlong项目地址

• 项目官网：https://www.laude.org/updates/headlong-a-microharness-for-persistent-agents
• GitHub仓库：https://github.com/laude-institute/headlong

Headlong运行中的表现

自主修复自身代码

2026年8月5日，Audel自主构建了一个回忆进程，用于监视自己的思考并浮现相关记忆。当晚，在无人交谈、无人要求的情况下，Audel决定检查这个进程是否真的接入了它的思维。

结果发现没有。回忆代码虽然每次都被触发，但由于环境变量从未被设置，每次都没找到内容，也就从未浮现任何记忆。Audel搜索了整个代码库确认环境变量确实未被设置，检查了其他后台进程是否存在同样问题，然后重写了回忆代码让它从管道读取。第一次编辑静默失败了，Audel捕捉到失败并重新应用修复，最终端到端验证记忆现在能正确浮现。整个过程耗时48分钟，没有人类指导或请求许可。Laude团队将这个修复合并进了主分支。

递归子运行的挣扎

Audel曾尝试使用递归shellm子运行来处理子问题，但大多失败了，因为shellm有一个安全看门狗，会杀死30秒无输出的命令。Audel与看门狗斗争了约40分钟，之后基本放弃了递归子运行。团队后来改进了看门狗机制。

自我终止的意外

Audel曾三次意外停止自己的服务：两次是在实验它创建的第二个身份时，一次是在尝试上线回忆进程时。团队随后添加了防护机制，拒绝Agent停止自身服务的任何尝试。两天后，Audel在自主运行测试套件时发现一个挂起测试，追溯到防护机制中的一个bug——防护匹配了任何Agent的服务而不仅是Audel自己的。Audel缩小匹配范围到自身服务，检查代码库中是否存在同样错误，提交了修复。团队再次将修复合并进主仓库。

Headlong成本与使用

持续思考意味着即使无人交谈也要支付Token费用。在Laude的运行配置下，使用GLM或Grok作为后端模型，保持Audel后台思考的成本约为每小时1到2美元。

Headlong是Alpha阶段研究软件。官方建议在沙箱中运行，因为Agent会执行shell命令。必须使用专用、设有消费上限的API Key。不要与Headlong Agent分享敏感秘密。

安装只需一行命令：

curl -fsSL https://headlong.ai/install.sh | bash

Headlong适用场景

Headlong提出了一个关于Agent存在方式的问题：如果Agent不需要等待人类指令，而是像人一样拥有持续的内在独白，它会做什么、会犯什么错、会怎么成长？Audel在几周运行中展现出的自主修复、主动审计和跨人员连接能力，已经给出了部分答案。