引入 Agent：在后台运行 Continuous AI
今天我们正式发布 Agent，让你能够在 Continue 中运行和管理云端 Agent。
未来早已在运行中
虽然云端 Agent 已开始在 IDE 中用于小型、一次性的任务，但我们认为现在是拥抱一个基本真理的时候了：开发的未来不仅仅是 AI 辅助编码，更在于维护提示词、管理 Agent，以及编排贯穿整个开发生命周期的持续化 AI 工作流。
如今大多数 AI 编码工具仍停留在“请求-响应”模式。但真实的开发是持续进行的：测试在后台运行，构建自动触发，部署在流水线中流动。AI 也应以同样的方式工作。
云端 Agent vs. IDE Agent
- IDE Agent：在你编码时于本地计算机上运行。它们是同步的、交互式的，最适合“副驾驶（Co-pilot）”式的辅助。
- 云端 Agent：在云端或独立进程中异步运行。它们是自主的、事件驱动的，最适合长时间运行的任务，如重构、文档更新或安全补丁，且不会阻塞你的终端。
大多数 AI 编码工具感觉像传真机：发送请求，获取回复。但编码是一个持续的过程，伴随着测试、构建和部署的不断发生。你的 AI 应该跟上这种节奏。
Agent 可以帮助你：
- 在你专注于架构时处理细微的琐事和 Bug
- 构建遵循你编码模式的样板代码
- 调查问题，以完整的上下文开启你的工作
- 自动化安全扫描与修复
- 使用你自己的规则、提示词和 MCP 服务器运行可重复的任务
- 并在你不断探索可能性的过程中完成更多工作
开始使用持续化 AI
Agent 目前处于测试阶段，我们正与社区共同学习。以下是成功团队如何应对这一新范式的方法：
本地试验。首先在 TUI 模式下使用 Continue CLI。驱动我们 CLI 的体验与 Agent 相同，因此你可以在后台运行它们之前先在本地测试你的提示词。
从简单开始。确定那些你知道 Continue 可以完成的任务，例如修复一个解决方案直观的小 Bug。成功会建立信心与理解。
扩大目标。一旦你用 Continue 合并了第一个 PR，就可以拓展边界了。勇于开始那些可能第一次不会成功的任务。这是你学习提示词最佳实践以及了解当前模型能力边界的方式。
投入精力撰写详尽的提示词。Agent 可能会长时间运行以完成任务。提前分享所有重要细节并引导 Agent 走上成功的轨道是非常值得的。
拥抱工作流的转变。真正采用持续化 AI 意味着承认会产生更大数量的 PR，并相应地调整代码审查习惯。与你的团队讨论 AI 在哪些方面打破了以往的实践。
你的第一个 Agent 蓄势待发
准备好更进取地运行云端 Agent 了吗？
- 访问 hub.continue.dev/agents
- 连接你的 GitHub 账号
- 为你的 Agent 输入提示词
- 看着 Continue 提交 PR
查看我们的 MCP 教程（Cookbooks）以获取灵感，从自动化安全扫描到持续的文档更新。每个示例都展示了当 AI 持续运行而不是等待你的下一次提示时，能实现什么样的可能。
更多关于设置的详细信息，请访问 https://docs.continue.org.cn/hub/agents/intro
共同构建这个未来
我们相信语言模型处理长周期任务的能力正日益增强，并正在为这个世界推动软件开发的边界。我们不敢说拥有所有答案，但我们致力于与你共同探索。
在 GitHub 上与我们分享你的反馈，或在 Discord 上与社区分享你是如何使用 Agent 的。每一次实验、每一次成功、每一次失败，都能帮助我们所有人理解如何在这个新的开发时代蓬勃发展。
开发的未来不会到来。它已经在后台运行了。
Continue 是用于持续化 AI 的开源平台。在你的 IDE、终端和 CI 中构建并运行自定义 Agent，同时完全掌控模型、规则和工具。 开始你的第一个 Agent 或 探索代码。