ATWZ 登場：用檔案系統解決 Claude Code 長期代理工作流程痛點

大型語言模型代理（LLM Agent）在程式開發領域的應用日益成熟，但長期運作下仍存在多項瓶頸。Claude Code 雖然是業界頂尖的編碼代理之一，其 Agent Teams 功能卻因工作狀態無法在程序中斷後復原、對話壓縮（Compaction）導致細節遺失、代理技術債累積以及提示詞撰寫繁重等問題，影響長期工作流程效率。

四大痛點

研究團隊歸納出四個主要問題。第一，不可恢復的代理團隊：Agent Teams 功能雖強大，但每個團隊成員累積的工作狀態在程序終止後（例如關閉終端機）即遺失且無法恢復。第二，壓縮侵蝕工作細節：對話壓縮將對話濃縮成摘要，導致代理的工作細節變得模糊。第三，代理技術債：隨著時間推移，使用者的決策與代理的操作被鎖在壓縮後的舊對話中，使專案越來越難以維護與審查。第四，繁重的提示詞撰寫：任務指派或交接時，使用者需反覆撰寫長提示詞才能達到預期代理效能。

ATWZ 解決方案

為了解決上述問題，研究團隊提出 ATWZ（Agent Team Work Zone），這是一個基於檔案系統的操作層，建構在 Claude Code 原生的 Agent Teams 之上。其核心設計原則是將每個代理視為「員工」，並將重要工作狀態儲存在名為「工作站」的專屬目錄中，搭配技能、鉤子與腳本進行管理。

透過 ATWZ，代理團隊可以定期備份其工作狀態，讓代理在壓縮後仍能恢復知識。當程序結束後，團隊可以透過單一指令恢復運作。這些功能也大幅減輕了前述的代理技術債問題。此外，在 ATWZ 中，代理「員工」可以互相傳送文件，大幅減少撰寫提示詞的負擔。

延伸閱讀

• LLM 助力 Windows 漏洞分析：Symbolicate‑Enrich‑Sample 管線概述與實驗結果
• 利用基因演算法對抗 LLM 逆向分析：GhidraMCP 安全漏洞新探
• 「跨表面注入攻擊」：工具式 LLM 代理的雙通道安全盲點與適應式防禦策略

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。