Sleepless Agent：基于Claude Code Pro的24/7 AI代理操作系统部署与实战

1. 项目概述：一个在你睡觉时工作的AI助手

如果你手头有Claude Code Pro的订阅，但晚上睡觉时它却在“闲置”，那感觉就像让一个顶尖的工程师值夜班却只让他看大门。Sleepless Agent 正是为了解决这种资源浪费而生的。它是一个24/7不间断运行的AI代理操作系统，核心思想很简单：把你的Claude Code Pro变成一个不知疲倦的数字员工，在你休息时处理那些灵光一现的想法、待办的技术任务，甚至是完整的项目开发工作流。

这个项目本质上是一个智能调度与执行层。它通过Slack接收你的指令（当然，纯命令行也行），将这些指令转化为具体的、可执行的任务，然后利用Claude Code CLI和其Python Agent SDK，在完全隔离的工作空间里逐一执行。想象一下，你睡前在Slack里随手发一句“/think 研究一下Rust的异步运行时性能优化”，第二天早上醒来，一份详细的调研报告、甚至附带示例代码的笔记，就已经静静地躺在你的Git仓库里了。对于标注了“-p project-name”的严肃任务，它还会自动创建Git分支、提交代码，并为你准备好Pull Request，等待你的审阅。

它适合任何希望将AI能力从“交互式工具”升级为“自动化生产力”的开发者、技术负责人或独立创作者。无论你是想利用夜间算力进行技术预研，还是希望有一个永不间断的代码审查与优化助手，Sleepless Agent 提供了一套完整的、开箱即用的解决方案。它的设计哲学是“混合自治”：对于随机的想法（Random Thoughts），它全权处理并自动归档；对于严肃的项目任务（Serious Tasks），它负责执行但将最终决策权（合并PR）留给你，在自动化与可控性之间取得了精妙的平衡。

2. 核心架构与设计哲学解析

Sleepless Agent 不是一个简单的脚本包装器，而是一个精心设计的微型操作系统（AgentOS）。要理解它为何高效可靠，我们需要深入其架构核心。

2.1 事件驱动与模块化设计

整个系统的运行基于一个稳固的事件循环，这确保了高可靠性和资源的高效利用。主守护进程（daemon.py）是这个循环的核心，它不直接处理具体业务，而是扮演着“交通警察”和“调度中心”的角色。

用户指令 (Slack/CLI) → 命令解析器 → 任务队列 (SQLite) ↓ 守护进程 (事件循环) ↓ Claude执行器 (Python Agent SDK) ↓ 结果管理器 (存储 + Git自动化)

这种设计的优势在于解耦。Slack机器人模块（bot.py）只负责通信和解析；任务队列（task_queue.py）负责状态的持久化与管理；Claude执行器（claude_code_executor.py）专注于在一个干净的沙箱（独立工作空间）中运行AI指令；而Git管理器（git_manager.py）和结果存储器（results.py）则处理产出物的版本控制与归档。任何一个模块的故障或升级都不会轻易导致整个系统崩溃。

实操心得：模块化测试在开发或调试时，你可以独立测试每个模块。例如，不启动守护进程，直接运行python -m sleepless_agent.claude_code_executor并传入一个测试任务描述，可以快速验证Claude Code CLI的集成是否正常。这种设计让问题定位变得非常清晰。

2.2 工作空间隔离：并行与安全的基石

“每个任务都在独立沙箱中运行”是Sleepless Agent最值得称道的设计之一。项目在workspace/目录下为每个任务动态创建独立子目录（如workspace/tasks/42/）。这意味着：

1. 真正的并行处理：任务A和任务B的文件操作完全隔离，互不干扰，从根源上避免了文件锁冲突和状态污染。
2. 执行环境纯净：每个任务都从一个干净的文件系统状态开始，Claude Agent看到的就是这个任务专属的目录，不会意外修改其他任务的成果。
3. 安全边界清晰：通过配置，可以严格限制AI代理只能访问其任务目录和特定的共享目录（workspace/shared/），而系统核心的数据目录（workspace/data/）则被保护起来。

这个设计模仿了容器化的思想，但实现更轻量。在实际使用中，我强烈建议你在config.yaml中检查并确认workspace.base_path和访问控制规则，确保它指向一个你有完全读写权限且空间充足的磁盘位置。

2.3 混合自治与智能调度策略

Sleepless Agent 没有采用“一刀切”的自动化策略，而是引入了“混合自治”模型，这体现了其设计上的成熟度。

• 随机想法（Random Thoughts）：当你使用/think而不带-p参数时，系统认为这是一个探索性、低风险的想法。它会自动执行，并将结果提交到一个名为thought-ideas的专用Git分支。你可以在方便的时候浏览这个分支，就像翻阅一本AI助手的灵感笔记。
• 严肃任务（Serious Tasks）：当你使用/think -p backend Add login API时，系统明白这是一个需要纳入正式开发流程的工作。它会：
  1. 在workspace/projects/backend/下（或从远程仓库克隆）创建工作空间。
  2. 执行任务，生成代码变更。
  3. 自动创建特性分支（如feature/backend-101）。
  4. 提交更改，并自动创建一个Pull Request。
  5. 关键在此：PR的合并权在你手中。AI完成了“开发”，但“合并上线”这个决策点留给了人类。

智能调度则体现在对Claude Code Pro使用配额的管理上。项目通过claude /usage命令实时监控使用量，并设置了日间（默认95%）和夜间（默认96%）两个阈值。夜间阈值更高，鼓励系统在你睡眠时“全力工作”；日间阈值较低，为你白天的主动使用预留了配额。当达到阈值时，新任务生成会暂停，但正在运行的任务会完成。这就像一个智能的流量控制器，确保资源不会被意外耗尽。

3. 从零开始的详细部署与配置指南

纸上谈兵终觉浅，让我们动手把它跑起来。以下步骤基于Linux/macOS环境，Windows用户建议使用WSL2以获得最佳体验。

3.1 基础环境与Claude Code CLI准备

首先，确保你的Python版本在3.11以上。我推荐使用pyenv来管理Python版本，避免系统Python带来的潜在冲突。

# 安装并切换Python 3.11+ pyenv install 3.11.5 pyenv local 3.11.5 # 创建并激活虚拟环境（这是最佳实践，能避免包依赖污染） python -m venv .venv source .venv/bin/activate # Linux/macOS # 如果是Windows PowerShell: .venv\Scripts\Activate.ps1

接下来是最关键的一步：安装并认证Claude Code CLI。Sleepless Agent本身不直接调用Anthropic的API，而是通过这个官方命令行工具来工作。这意味着你需要一个有效的Claude Code Pro订阅。

# 安装Node.js（如果尚未安装），Claude Code CLI基于Node # 然后安装CLI npm install -g @anthropic-ai/claude-code # 运行登录命令，这会打开浏览器让你完成认证 claude login # 验证安装和登录状态 claude --version claude /whoami # 应该显示你的账户信息

避坑提示：认证与网络claude login过程需要良好的网络环境。如果遇到问题，请检查你的网络连接，并确保没有全局代理冲突。登录成功后，认证信息会保存在本地，后续操作通常不需要再次登录。

3.2 安装Sleepless Agent与基础配置

现在安装Sleepless Agent包。你可以选择从PyPI安装稳定版，或者从GitHub克隆开发版进行体验。

# 方式一：从PyPI安装稳定版（推荐） pip install sleepless-agent # 方式二：从源码安装开发版（便于贡献或体验最新特性） git clone https://github.com/context-machine-lab/sleepless-agent.git cd sleepless-agent pip install -e . # “-e”代表可编辑模式，修改代码立即生效

安装完成后，尝试运行sle --help，如果看到帮助信息，说明安装成功。如果遇到“command not found”，请参考项目README中关于PATH的故障排除部分，最根本的解决方案是确保你在虚拟环境中操作。

接下来进行基础配置。项目使用一个config.yaml文件来管理大部分行为参数，而敏感信息如令牌则通过.env文件管理。

# 进入项目目录（如果从源码安装） cd sleepless-agent # 复制环境变量示例文件 cp .env.example .env # 编辑 .env 文件，目前可以先留空，因为我们先测试无Slack的CLI模式 # 使用你喜欢的编辑器，如 nano .env 或 vim .env

对于config.yaml，有几个关键部分你需要关注并可能修改：

1. Git配置：如果你希望使用自动PR功能，必须设置远程仓库。

   git: use_remote_repo: true # 启用远程仓库功能 remote_repo_url: "git@github.com:你的用户名/你的仓库名.git" # 替换为你的仓库SSH地址 auto_create_repo: false # 建议设为false，手动确保仓库存在 default_branch: "main"

   重要提醒：确保你的SSH密钥已添加到GitHub（或其他Git托管平台），并且有对应仓库的写入权限。auto_create_repo功能可能因权限问题失败，手动创建仓库更稳妥。

2. 使用量阈值：根据你的Claude Code Pro套餐和使用习惯调整。

   claude_code: threshold_day: 95 # 白天使用量达到95%时暂停新任务 threshold_night: 96 # 夜间阈值可稍高 night_start_hour: 1 # 凌晨1点开始视为夜间 night_end_hour: 9 # 早上9点结束夜间模式

3. 工作空间路径：确认基础路径是否合适。

   workspace: base_path: "./workspace" # 相对路径，相对于你启动守护进程的位置

3.3 无Slack的纯CLI模式快速验证

Slack集成是锦上添花的功能，但并非必需。我们可以先使用纯CLI模式验证核心功能是否正常，这是最快速的排错路径。

首先，启动守护进程。守护进程是在后台持续运行的事件循环。

# 在前台启动守护进程，方便查看日志 sle daemon

如果一切正常，你会看到类似以下的输出，表明守护进程已启动，任务调度器开始工作：

2025-10-26 03:30:12 | INFO | sleepless_agent.runtime.daemon.run:178 Sleepless Agent starting... 2025-10-26 03:30:12 | INFO | sleepless_agent.scheduler:95 Scheduler started. Next check in 60 seconds.

保持这个终端运行，或者使用&将其放到后台（sle daemon &）。然后打开另一个终端，激活同一个虚拟环境，开始提交任务。

# 提交一个“随机想法” sle think "对比一下FastAPI、Django Ninja和Starlite在构建JSON API时的性能差异和语法糖" # 提交一个“严肃任务”（需要-p指定项目名） sle think "实现一个基于JWT的用户登录端点，包含请求验证和错误处理" -p my-auth-service # 检查系统状态和任务队列 sle check

sle check命令会返回一个美观的状态面板，显示守护进程状态、队列中的任务数、Claude Code使用百分比以及最近的任务。

如果任务执行成功，你可以通过报告功能查看结果：

# 列出所有报告 sle report --list # 查看特定任务ID的详细报告（任务ID会在提交后返回或在sle check中显示） sle report 1

对于严肃任务，报告里会包含生成的Git分支名和Pull Request链接（如果配置了Git远程仓库）。

实操现场记录：第一次运行可能遇到的问题在我首次测试时，sle think命令卡住了，守护进程日志显示ClaudeCodeCLIError。原因是我的Claude Code CLI虽然安装了，但claude命令在虚拟环境的PATH中未被找到。解决方案是：在激活虚拟环境后，用which claude确认路径，如果找不到，可能需要用绝对路径或在安装CLI时使用npm install -g @anthropic-ai/claude-code --prefix $(python -m site --user-site)/../bin这类技巧，但最省事的方法是确保在同一个shell环境下安装CLI和运行Agent。

3.4 集成Slack以实现无缝交互

纯CLI能用，但Slack集成才是体验的完全体。它让你能从手机或电脑上的Slack随时随地给AI助手派活。设置过程稍繁琐，但一劳永逸。

第一步：创建Slack应用

1. 访问 api.slack.com/apps ，点击“Create New App”。
2. 选择“From scratch”，输入应用名（如“Sleepless Agent”），并选择你要安装的工作空间。

第二步：启用Socket Mode并获取令牌Slack Bolt（Sleepless Agent使用的框架）支持Socket Mode，这使得你的应用可以主动接收事件，而无需一个公网可访问的URL（非常适合本地或内网运行）。

1. 在应用管理页面，左侧找到“Settings” -> “Socket Mode”，点击开关启用它。
2. 点击“Generate Token”生成一个App-Level Token。给它起个名字（如“sleepless-socket”），并确保connections:write权限被勾选。生成的令牌以xapp-开头，复制并保存好。

第三步：配置Slash CommandsSlash命令是用户与你的机器人交互的主要方式。

1. 左侧导航栏找到“Features” -> “Slash Commands”，点击“Create New Command”。
2. 你需要逐一创建以下命令（命令和描述按需填写，短描述要清晰）：

   Command	Request URL	Short Description	Usage Hint
   /think	https://example.com/slack/events(可先随意填，稍后更新)	记录想法或任务	[任务描述] -p [项目名]
   /chat	同上	与Claude开启对话	[项目名]或end
   /check	同上	检查系统状态	(无)
   /usage	同上	查看Claude使用量	(无)
   /cancel	同上	取消任务或项目	[任务ID或项目名]
   /report	同上	查看报告	[任务ID/日期/项目名]
   /trash	同上	管理回收站	list,restore,empty

   注意：Request URL目前是占位符。我们稍后在启动Bot并获取到本地URL后，需要回来更新它。对于Socket Mode，这个URL在某些配置中可能不是必须的，但为了兼容性最好设置。

第四步：配置OAuth权限范围机器人需要权限才能执行操作。

1. 左侧导航栏找到“Features” -> “OAuth & Permissions”。
2. 在“Bot Token Scopes”部分，添加以下权限：
   • chat:write(发送消息)
   • commands(执行斜杠命令)
   • app_mentions:read(读取提及，用于高级交互)
   • channels:history(读取频道历史，用于聊天模式)
   • groups:history(读取私聊群组历史，用于聊天模式)
   • reactions:write(添加表情反应，用于交互反馈)

第五步：安装应用到工作空间并获取Bot Token

1. 在“OAuth & Permissions”页面顶部，点击“Install to Workspace”。
2. 授权后，页面会显示一个“Bot User OAuth Token”，以xoxb-开头。这是你的Bot Token，复制并保存好。

第六步：更新环境变量并启动现在，回到你的Sleepless Agent项目目录，编辑之前创建的.env文件：

SLACK_BOT_TOKEN=xoxb-your-bot-token-here SLACK_APP_TOKEN=xapp-your-app-token-here

保存文件。然后，重新启动你的守护进程（如果之前已经在运行，先按Ctrl+C停止）：

sle daemon

这次启动日志中，你应该能看到Slack连接成功的消息：

2025-10-26 03:30:12 | INFO | sleepless_agent.interfaces.bot.start:50 Slack bot started and listening for events

第七步：在Slack中测试回到你的Slack工作空间，在任意频道或直接与安装的机器人对话，输入/think 你好，世界！。如果一切顺利，机器人会回复确认消息，并且你的守护进程终端会显示任务被接收和处理的日志。

深度避坑指南：Socket Mode与网络如果你的机器在严格的内网或防火墙后，Slack的Socket Mode连接可能失败。日志可能会显示Failed to establish connection with Slack。请确保你的机器能访问wss://wss-primary.slack.com和wss://wss-backup.slack.com这两个WebSocket端点。企业网络有时会屏蔽WebSocket连接，需要联系IT部门放行。

4. 核心工作流与高级功能实战

系统跑起来后，我们来深入几个核心工作流，看看如何最大化利用它的能力。

4.1 日常灵感收集与技术预研流

这是我个人最常用的场景。在阅读技术文章、开会甚至洗澡时，突然冒出一个技术问题或想法，立刻在Slack里发给我的Sleepless Agent。

/think 研究一下WebAssembly在边缘函数（Edge Functions）中的应用现状，列举三个主流平台（Cloudflare Workers, Vercel Edge Functions, Deno Deploy）的实现差异和性能考量。 /think 了解一下Rust新版本（1.78）中引入的“let-else”模式，写几个示例代码说明其优于传统 `if let` 的地方。 /think 构思一个用Go语言写的轻量级任务队列，支持Redis作为后端，要求有重试机制和优先级。

这些“随机想法”会被自动归类并执行。第二天早上，我打开Git仓库，切换到thought-ideas分支，就能看到一份份结构清晰的Markdown报告，里面包含了问题分析、代码示例、甚至优缺点对比。这相当于我有一个不知疲倦的技术助理，随时在帮我做信息收集和初步研究。

实操技巧：利用标签和后续追问虽然原始的/think命令不支持标签，但你可以通过描述来模拟。例如：“/think [性能优化] 分析当前项目API网关的响应时间瓶颈，给出三个优化建议”。在后续查看报告时，通过搜索“[性能优化]”可以快速找到相关条目。对于复杂研究，可以连续发送多个相关的/think命令，AI会在独立但同主题的空间里工作，你最终会得到一系列关联的报告。

4.2 严肃项目开发与自动化PR流

对于实际要并入代码库的工作，使用-p参数。假设我有一个名为“user-service”的微服务项目。

/think -p user-service 为User模型添加“last_login_at”和“login_count”字段，并更新对应的GraphQL schema和序列化器。

触发这个命令后，Sleepless Agent会：

1. 在workspace/projects/user-service/下克隆或更新远程仓库代码。
2. 在该工作空间内，指示Claude Code执行任务。
3. 任务完成后，自动提交更改到新分支feature/user-service-<task_id>。
4. 自动创建Pull Request，PR的标题和描述会自动从任务描述中生成。

这时，我收到的不是一个简单的代码片段，而是一个完整的、可审查的PR链接。我可以像对待任何人类同事提交的PR一样，查看代码差异、运行CI检查，然后决定是否合并。这极大地规范了AI生成代码的流程，使其无缝融入团队现有的Git工作流。

配置要点：Git自动化深度配置为了让PR体验更好，你可以在config.yaml的git部分进行更多定制：

git: pr_template: | ## 任务描述 {task_description} ## 变更摘要 {changes_summary} ## 由Sleepless Agent自动生成 auto_assign_reviewers: ["你的GitHub用户名"] # 自动分配审阅者 labels: ["ai-generated", "enhancement"] # 自动添加标签

4.3 交互式聊天模式：与Claude进行实时结对编程

除了异步任务，Sleepless Agent还提供了强大的交互式聊天模式。这就像在Slack里拥有了一个全天候的结对编程伙伴。

/chat my-backend-project

执行这个命令后，机器人会在当前频道创建一个新的线程，并告诉你聊天会话已开始。此后，所有对话都必须在这个线程内进行。

在聊天线程里，你可以：

• 要求解释代码：粘贴一段代码，问“这段函数为什么这么慢？”
• 请求代码重构：“帮我把这个函数重构成更模块化的形式，并加上单元测试。”
• 进行文件操作：“查看一下src/models/user.py文件，在第30行附近添加一个电子邮件格式验证的方法。”
• 调试问题：“运行pytest tests/test_auth.py看看哪个测试失败了，并尝试修复它。”

聊天模式的核心优势在于上下文保持。Claude能记住整个会话历史，并且能根据你项目的实际文件状态进行操作。它不再是空对空地回答问题，而是基于你项目代码库的实时结对编程。

重要提醒：会话管理与超时聊天会话默认在30分钟无活动后自动超时结束，以防止资源占用。你可以随时用/chat end主动结束会话。所有聊天历史会被保存在工作空间的数据目录中，但不会自动提交到Git。如果你需要保留有价值的对话产出，记得在会话结束前明确指示Claude提交更改或你自己手动保存。

4.4 多智能体工作流：复杂任务的分解与执行

对于非常复杂的任务，Sleepless Agent内置了一个可配置的多智能体工作流，这模仿了人类团队的分工协作。你可以在config.yaml中启用并配置它：

multi_agent_workflow: planner: enabled: true max_turns: 5 # 规划阶段最多进行5轮思考 worker: enabled: true max_turns: 10 # 执行阶段最多进行10轮操作 evaluator: enabled: true # 启用评审员 max_turns: 3

当处理一个复杂任务如“/think -p platform 设计并实现一个简单的用户通知系统，支持邮件和站内信”时：

1. 规划智能体（Planner）首先分析任务，将其分解为子任务，例如：“1. 设计数据模型；2. 实现邮件发送服务；3. 实现站内信存储；4. 编写API接口；5. 添加管理后台。”
2. 执行智能体（Worker）接着按照规划，逐一执行这些子任务，编写代码、创建文件。
3. 评审智能体（Evaluator）（如果启用）最后检查完成的工作，运行测试，确保代码质量，并可能提出改进建议。

这个流程通过增加规划步骤，让AI在动手前先“思考”蓝图，往往能产生更结构化、更完整的解决方案。你可以通过调整max_turns来控制每个阶段的“思考深度”，在速度和质量之间取得平衡。

5. 运维、监控与故障排查实录

将AI助手投入7x24小时生产环境，稳定的运维至关重要。以下是我在长期使用中积累的实战经验。

5.1 系统状态监控与健康检查

sle check是你的仪表盘。它提供的信息远不止任务队列。

$ sle check ╭─────────────────── System Status ───────────────────╮ │ 🟢 Daemon: Running │ │ 📊 Queue: 3 pending, 1 in_progress │ │ 💻 Usage: 45% (Day threshold: 95%) │ │ 🔄 Last task: "Implement OAuth2..." (in progress) │ │ 📈 Avg. task time: 2m 15s │ │ 🗑️ Trash size: 2 items │ ╰─────────────────────────────────────────────────────╯

• 使用量百分比：这是生命线。如果白天就接近95%，你可能需要调整任务提交频率或阈值。
• 平均任务时间：突然变长可能意味着遇到了复杂任务，或者Claude API响应变慢。
• 回收站大小：定期清理 (sle trash empty) 可以释放磁盘空间。

更详细的日志位于workspace/data/agent.log。通过设置环境变量SLEEPLESS_LOG_LEVEL=DEBUG可以获取最详尽的信息，对排查问题极有帮助。

SLEEPLESS_LOG_LEVEL=DEBUG sle daemon

5.2 数据备份与项目迁移

所有核心数据都存储在workspace/目录下：

• workspace/data/tasks.db: SQLite数据库，包含所有任务、结果和元数据。
• workspace/data/results/: 每个任务输出的原始文件。
• workspace/data/reports/: 生成的Markdown报告。
• workspace/projects/: 各个项目的工作空间副本。

定期备份这个目录。你可以简单地用rsync或tar打包。迁移到新机器时，复制整个workspace/目录，重新安装Python环境和Claude Code CLI，更新.env中的令牌，即可恢复全部状态。

5.3 常见问题与解决方案速查表

以下是我遇到过的典型问题及解决方法：

5.4 性能调优与资源管理

• 控制并发：默认情况下，Sleepless Agent一次只处理一个任务，以确保Claude Code CLI的稳定。你可以在config.yaml中寻找concurrency相关设置（如果未来版本支持），但高并发可能触发API限制。
• 清理工作空间：长期运行后，workspace/tasks/和workspace/projects/可能会积累大量目录。可以写一个定时任务（Cron job），定期清理已完成超过一定天数（例如7天）的任务目录。注意：清理前请确认结果已妥善保存（在data/results/或Git中）。
• 日志轮转：workspace/data/agent.log文件会不断增长。使用logrotate等工具配置日志轮转，避免磁盘被占满。
• 监控磁盘与内存：Claude Code CLI执行任务时可能会在内存中处理较大上下文。确保运行Agent的机器有足够的可用内存（建议至少2GB）和磁盘空间。

将Sleepless Agent从一个酷炫的概念变成你日常工作流中可靠的一部分，关键在于理解其设计逻辑，并针对自己的使用场景进行细致配置。它不是一个魔法黑盒，而是一个高度可定制、遵循Unix哲学（每个工具做好一件事）的自动化拼图。从今晚开始，试着让它帮你处理第一个“随机想法”，你会发现，拥有一个永不疲倦的编码伙伴，感觉真的不错。