Agent Autopilot

核心用法

agent-autopilot 是一套完整的子代理自驱动框架，让 AI Agent 像项目经理一样自主推进复杂项目。其核心流程为：心跳触发 → 检查任务列表 → 执行最高优先级任务 → 记录结果 → 周期性汇报 → 循环迭代。

关键配置步骤：
1. 运行初始化脚本创建目录结构
2. 配置 HEARTBEAT.md 定义执行循环、汇报周期与记忆维护规则
3. 集成 todo-management 进行任务生命周期管理
4. 设置 memory/report-state.json 跟踪汇报与记忆状态

汇报机制采用白天/夜间双模式：白天按固定间隔（2-4小时）主动汇报进度，夜间仅在有重大进展或阻塞时触发，避免干扰。汇报内容自动从任务列表与当日日志生成，包含具体数据而非笼统描述。

自主决策范围涵盖技术方案选择、任务优先级排序、迭代方向调整等执行层面；方向性变更、资源需求、连续失败等则必须上报。

长期记忆维护通过日/三日/周三层周期：每日提炼重要发现、每三日合并去重、每周全面清理，确保 MEMORY.md 精炼可追溯，原始日志永久保留。

显著优点

• 真正无人值守：设定目标后 Agent 自主循环执行，无需人类持续介入
• 结构化可追溯：强制记录决策理由与数据支撑，避免"黑箱"操作
• 智能降噪汇报：夜间静默模式减少非必要打扰，紧急事件即时上报
• 抗中断设计：从 memory 日志与 git 可重建任务状态，故障后可恢复
• 记忆自我维护：自动提炼、去重、清理，解决长期运行中的信息膨胀问题

潜在局限与风险

• 依赖前置技能：必须正确安装并配置 todo-management，否则核心流程中断
• 配置复杂度：首次部署需编写多个文件（HEARTBEAT.md、MEMORY.md、身份文件等），学习成本较高
• 决策边界模糊："必须上报"与"可自主决定"的界限依赖使用者判断，配置不当可能导致越权或过度保守
• 无限循环风险："永不停止"原则若与错误目标或循环依赖结合，可能造成资源浪费
• 汇报间隔调参困难：项目节奏变化时需手动调整 HEARTBEAT.md 中的 N 值

适合人群

• 需要 7×24 小时运行的研究、量化、数据采集类项目
• 迭代周期长、需持续探索的优化任务（策略调参、A/B测试等）
• 人类监督时间碎片化的异步协作场景

常规风险

• 状态文件丢失：report-state.json 或 todo.db 损坏将导致汇报逻辑混乱，需定期备份
• 记忆维护失败：跳过维护会造成 MEMORY.md 膨胀，影响上下文效率
• 权限边界失控：Agent 在"自主创建新任务"时可能无限扩展范围，需在 HEARTBEAT.md 铁律中明确约束

核心用法

Agent Autopilot 是一套完整的子Agent自驱动工作流配置框架，通过 HEARTBEAT.md 定义执行循环、汇报机制和记忆维护规则。用户首次使用时运行 init.sh <工作空间路径> 完成初始化，随后 Agent 进入「永不停止」的自主运转模式：每次心跳触发时检查 todo 列表 → 执行最高优先级任务 → 记录结果 → 按需汇报 → 循环往复。

显著优点

1. 真正无人值守：基于心跳驱动的无限循环设计，Agent 可在无需人类确认的情况下持续迭代数小时甚至数天，特别适合量化策略回测、代码重构、文献综述等长周期任务。
2. 结构化汇报体系：区分白天/夜间模式，支持周期汇报、首报/末报、即时汇报三种形式，避免信息过载同时确保关键进展及时同步。
3. 记忆分层机制：原始日志（memory/YYYY-MM-DD.md）与提炼记忆（MEMORY.md）分离，配合日/3日/周三级维护周期，防止长期运行后的上下文丢失。
4. 故障自恢复：report-state.json 持久化状态，中断后可根据 todo 状态和 memory 日志快速恢复现场。

潜在缺点与局限性

• 冷启动门槛高：需要完整配置 IDENTITY.md、SOUL.md、HEARTBEAT.md 等文件，对新手不够友好。
• 依赖 todo-management：若该 skill 缺失或未正确安装，整个工作流无法运转。
• 方向漂移风险：虽然规定了「方向性变更需上报」，但自主决策边界在实际执行中可能模糊，存在 Agent 持续错误方向迭代的可能。
• 无内置沙箱：执行代码或调用工具时无隔离机制，需外部保障环境安全。

适合人群

• 需要 7×24 小时持续运行的研究型项目（如量化交易回测、AI 训练实验）
• 多步骤、可拆解、允许试错迭代的工程任务（如代码重构、文档迁移）
• 对「延迟汇报」可接受、追求异步协作的远程团队

常规风险

1. 无限循环失控：若目标设定不当或完成条件模糊，Agent 可能空转消耗资源。
2. 状态文件损坏：report-state.json 或 todo.db 损坏会导致汇报周期错乱或任务丢失。
3. 记忆膨胀：长期未清理的 MEMORY.md 可能降低检索效率。
4. T3 来源可信度：个人开发者维护，需自行审查代码变更。