基于AI长任务优化解决方案 AWR · Agent Work Runtime

AWR（Agent Work Runtime）面向长周期 Coding Agent 项目：当目标、任务、规则、决策和未完成事项散落在多个 Markdown/YAML 文件及不同会话中时，它把这些现有资料整理成可恢复的工作状态，并按当前任务生成受 Token 预算约束的上下文。

它解决的问题

• 减少重复阅读：按任务提取目标、规则、验收条件、阻塞、依赖和来源，不要求新会话重新通读全部资料。
• 跨会话接续：保存检查点与未完成事项；恢复时检查来源是否变化，再继续工作。
• 接管已有项目：发现项目源文件、预览字段映射；缺少目标、方案或台账时，给 Agent 返回需要补建的步骤。
• 保留现有资料体系：Markdown/YAML 继续作为权威来源，SQLite 只保存索引和运行状态；版本检查用于拒绝基于过期状态的写入。

其基本数据流是：

项目源文件 → AWR 索引与检查点 → 当前任务上下文 → Coding Agent
    ↑                                              │
    └──────── 经审查的修改与进度记录 ────────────────┘

AWR 提供 Rust CLI 与 MCP 接口，上下文在本地编译，不需要调用模型。项目同时包含 Rust 与 Python 组件。

安装条件与版本

原帖链接的中文文档当前给出 0.4.0 正式版，可任选 npm 或 pip 安装；两种方式都会提供 awr 与 awr-mcp：

npm install -g @originoneai/agent-work-runtime@0.4.0

# 或在 Python 虚拟环境内
python -m pip install agent-work-runtime==0.4.0

预编译包支持：

• macOS 15+：Apple Silicon arm64、Intel x64
• Linux x64：glibc 2.39+
• Windows x64
• npm 启动器需要 Node 22.14+；pip 启动器需要 Python 3.9+

也可以从源码构建：

git clone https://github.com/originoneai/agent-work-runtime.git
cd agent-work-runtime
cargo install --locked --path crates/awr-cli
cargo install --locked --path crates/awr-mcp

最小验证流程

复制仓库中的基础示例，依次完成初始化、状态检查、就绪任务检查和上下文编译：

mkdir -p .local
cp -R examples/basic .local/demo
awr --project .local/demo init --manifest project.toml --accept
awr --project .local/demo status
awr --project .local/demo ready
awr --project .local/demo context compile --work EXAMPLE-001 --goal 'goal#demo'

最后一条命令应直接输出可阅读的工作上下文。程序化接入时可以加 --json；Token 预算只约束 JSON 中的 work_context.rendered_context，执行方仍应检查退出状态与上下文完整性。

接入现有项目时先预览，再接受字段映射：

awr --project /path/to/project init
awr --project /path/to/project init --accept
awr --project /path/to/project intake inspect

如果项目没有明确目标，初始化时可增加 --goal "你希望完成的事情"。自定义状态和中文字段可使用 --status-map pending=planned、--field-map title=事项 映射。AWR 只诊断缺失信息，不替用户编造业务目标。

本地 MCP 接入由客户端启动：

awr-mcp --project /项目绝对路径

0.4.0 还支持一个 HTTP 入口服务多个项目和客户端，并为不同项目保存独立的会话、检查点、用户等待和请求回执。

公开基准与边界

项目文档公开了一组可复跑的合成基准：150 个任务中，对 39 个未完成任务逐一测量最大上下文。按 o200k_base、工作上下文预算 5,000 Token 统计：

必要事实核对为 676/676，覆盖任务、状态、下一步、验收条件、阻塞、硬规则和未解决依赖。Apple M3 Max / macOS 环境预热后连续调用 30 次，上下文编译 p95 为 108 毫秒。

这些数字来自单机合成任务：不包含聊天历史、模型输出或 MCP 封装，不代表完整任务账单降幅，也不能证明模型回答质量或并发容量。另一组 30 次合成流程显示工具调用减少 18%–27%，返回文本只减少 3.4%–4.7%；维护台账本身仍有成本。AWR 可以托管自己启动的命令，但恢复任意既有进程或客户端私有会话，仍需要对应客户端配合。

中文文档：agent-work-runtime/README.zh-CN.md at main · originoneai/agent-work-runtime · GitHub
项目仓库：GitHub - originoneai/agent-work-runtime: Persistent work state and minimal context for long-running AI agents. · GitHub

原作者：hanker（Eric）
原帖：https://linux.do/t/topic/2909384