最近在尝试让opencode这样的AI编码智能体，进行长时间的自主的任务规划与演进。
为什么会做这个尝试，出发点也比较单纯和简单，个人的时间有限，当前的状态是，人上班，AI智能体上班，人下班，则AI智能体下班。如果这时候，有人跳出来问我，AI是否可以代替人类？我会毫不犹豫的回答，不会，因为我下班后，AI不干活了。
如果想让AI编码智能体发挥更大的作用，需要让AI智能体的干活过程，避免人工的干预，可以在现有能力的基础上，具备更长时间的任务规划以及任务执行能力。
当前长程任务执行的瓶颈是什么？
第一：工具与模型的稳定性
日常工作中，某些工具和模型会因为各种原因，出现超时，停止响应，故障以及上下文溢出和压缩等不稳定行为，需要首先解决此问题，当出现问题的时候，能有办法识别出来，自动解决并重试任务。
第二：任务结果正确性的确认
智能体产出结果后，需要人工检核和确认成果的正确性，目前成为了人工工作的重要和最核心的内容。貌似这个事情，在一段时间内还是需要的，尤其是某些流程规范要求必须人工介入时，人工的最终确认，是价值和责任保障的底线。
第三：目标的来源
现在智能体要干什么，要完成的目标，是人给出来的。而且是一个个的小目标。智能体完成小目标后，就呈现工作成果，并停止。与上面两个问题相比。长程任务控制系统，或者智能体长程任务执行最大的问题，其实是如何能够自动识别和规划目标。
短期开来，第一第二个问题，已经有解决方案或者说答案。第三个问题，暂时没有答案。
AI编码智能体现在很擅长在由人给定了目标之后，快速进行能力爬坡和目标达成。但是不擅长给定战略级目标或者战术级目标。