OpenAI 内部跑着 500 多个 Agent,他们是怎么设计的?
最近,OpenAI 分享了内部部署 OpenClaw 的工程实践。目前已有超过 500 个持久化 Agent(Persistent Agent) 在后台工作,例如根据产品反馈自动创建 PR、持续运行数据实验等。
这跟近期火热的 Always On Agent 思路一致。
相比传统的一次性 Agent Session,Persistent Agent 可以长期存在、主动响应事件、跨任务积累状态。
几个值得关注的架构设计:
1. Gateway + Harness:控制与执行分离
OpenAI 将 OpenClaw Gateway 与 Codex Harness 拆分,甚至部署在不同的 Kubernetes 集群。
Gateway 负责消息路由、Session 和任务管理;Harness 负责模型推理、Agent Loop、工具调用和代码执行。
2. 事件驱动的持久化 Agent
通过定时任务、Heartbeat、外部事件等机制按需唤醒 Agent,无需模型持续运行。
Agent 长期存在,每次任务独立执行,并通过持久化状态延续工作。
3. Workspace 与 Memory 分层
Gateway 管理会话路由和 Memory 搜索索引,Harness 保存工作空间、执行历史、Skills 和 Memory 文件。
通过文件化记忆与按需检索,实现跨任务的上下文复用。
4. Agent 监督 Agent
OpenAI 引入 Auto-review,由独立 Reviewer Agent 审查主 Agent 需要突破沙箱边界的操作,减少人工审批。
5. Harness 正在升级为 Agent 运行平台
除了 Prompt、Loop、Tools、Skills,还需要管理 Lifecycle、Session、Memory、调度、执行隔离和可观测性。
一个明显的趋势:Agent 正在从一次性任务执行器,演变为能够长期运行、拥有记忆和生命周期的数字员工。
#OpenAI #AlwaysOnAgent #Agent #AgentHarness #PersistentAgent #企业AI













