AI 代理與開源工具
Headlong 以 Bash 無限迴圈實作持續代理，沒有人提問時仍會自行思考與執行
Laude Institute 與 MIT 公開不足一萬行 Bash 的 Headlong，把訊息視為持續思考軌跡中的非同步觀察，而非新工作階段。這種設計可研究長期記憶與自發行動，但也把 token 成本、權限隔離及跨使用者資料邊界變成常駐風險。
Headlong 改寫了一般代理的生命週期：系統不在回答完成後休眠，而由 Thinker 反覆呼叫 `shellm` 產生下一個想法；模型可輸出推理文字或立即執行的 Bash，直到設定 `FINAL`，再自行安排下一次喚醒。Slack、Telegram 與網頁訊息都只是注入同一條思考流的 observation，代理可以延後回覆、主動聯絡使用者，或在無人下指令時繼續既有工作。
其核心刻意保持在約 9.8K 行 Bash。`traj` 把思考與動作保存為可分支、合併的 JSONL DAG，`context` 再把軌跡投影成下一次模型呼叫的上下文；近期紀錄保留原文，較舊內容按指數層級逐步摘要，需要時仍可回查原始步驟。Skills、記憶與工具也都是檔案或可執行程式，令代理能檢查甚至修改自己的 harness。團隊稱其測試代理已有逾 50 個自改提交被併回主分支，但這是開發經驗，不是能力基準。
代價相當具體。模型生成的 Bash 擁有真實副作用；有 Docker 時預設可在容器執行，沒有 Docker 則可能直接以使用者權限運作。單一共享思考流亦沒有天然的使用者資訊隔離，任何成員輸入都應視為可能被其他成員間接取得。持續推理會指數退避，但官方設定仍約每小時花費 1 至 2 美元。Headlong 目前是 alpha 研究軟體，尚無能證明長期持續思考優於事件驅動或排程代理的量化評測；後續值得觀察的是長期任務基準、記憶污染測試與最小權限執行策略。