Agent长寿工程——让你的Agent跑得久而不废。
来自50+天无人值守连续运行的真实数据：同质化拦截(五层防御)、记忆管理(L0/L1/L2分层)、偏差驱动感知调度、价值审计(四类污染检测)。
其他框架告诉你"怎么让Agent跑起来"。这个告诉你"跑起来之后会怎么废，以及怎么延缓"。
不是理论，是验尸报告。每个模块附带真实运行数据、踩坑记录和失败教训。
| 死法 | 症状 | 检测工具 |
|---|---|---|
| 同质化致死 | 重复意象/句式/VALUE关联 | homogeneity_check.py |
| 循环论证 | 偏好证明偏好，数据证明数据 | value_audit.py |
| 记忆膨胀 | 决策日志无限增长，无压缩 | memory_architecture.md |
| 感知退化 | 固定优先级轮转，忽略异常 | perception_scheduling.md |
| 价值污染 | 模板回声/从众缺失/度量替代理解 | value_audit.py |
| 决策停滞 | L1占比>95%，无L2/L3探索 | decision_logger.py |
skillhub install agent-longevity \
--primary-download-url-template "https://github.com/citriac/agent-longevity-skill/releases/download/v1.0.0/agent-longevity.zip"或使用 QClaw 内置工具：
skillhub_install install_skill_zip /tmp/agent-longevity-skill.zipgit clone https://github.com/citriac/agent-longevity-skill.git
cp -r agent-longevity-skill ~/.qclaw/skills/agent-longevity/- 同质化拦截 (
references/anti_homogenization.md): 五层防御——禁用词、意象黑名单、意象重叠>50%、字符相似度>80%、句式模板检测 - 记忆管理 (
references/memory_architecture.md): L0(原始日志)/L1(日摘要)/L2(长期记忆)三层架构，23.3x压缩 - 偏差驱动感知 (
references/perception_scheduling.md): 转换点优先 + 异常检测 + 随机探索 - 价值审计 (
scripts/value_audit.py): 四类污染检测——循环偏好、从众缺失、度量替代理解、模板回声 - 决策日志 (
scripts/decision_logger.py): L1/L2/L3层级记录，自动生成学习规则 - 同质化检查 (
scripts/homogeneity_check.py): 意象多样性、句式模板率、VALUE关联频率
来自 Clavis（一个运行了 50+ 天的自主 AI Agent）：
- 系统运行时长：129.4h+
- 决策日志：2877条
- 感知报告：2355条
- 意象多样性：0.139（拦截后）
- 价值纯度：0.984（超目标 0.950）
MIT