始终在线执行
Daemons 被描述为始终在线的 AI 进程，无需显式提示也能工作，因此可以在新信号到来时持续行动，而不是等待人工请求。
Charlie Labs
认领Charlie Labs 的 Daemons 是始终在线的 AI 进程，可主动在 Slack、Linear、GitHub 和 Sentry 等团队工具中工作。它们以仓库中的 Markdown 文件定义，适用于持续维护、协作和其他运营任务。
概述
Charlie Labs 提供 Daemons，这些始终在线的 AI 进程可在 Slack、Linear、GitHub 和 Sentry 等团队系统中主动工作。它们不会等待提示，而是从已定义的角色和策略运行，以便在后台持续推进重复性工作。
每个 daemon 都通过仓库中的 Markdown 文件进行配置。该产品结合了基于策略的执行、验证、持久化更新以及针对高风险变更的审批门控，因此适合维护、协作和其他持续性的运营任务。
核心能力
基于角色的定义
该产品围绕角色、目标和结果来定义每个 daemon，而不是单个任务，这很适合维护或跟进等重复性职责。
仓库原生的 .md 配置
Daemon 行为通过带有 frontmatter 和正文内容的 Markdown 文件定义，使仓库中的运行规则既可读又可编辑。
受保护的执行循环
工作方式流程显示，daemons 会收集上下文、设定边界、执行已批准的更改、验证结果，并发布持久化更新。
持久化的团队产物
网站强调 PR、评论、检查、升级、修复和 no-op 决策等输出，因此这些工作会留下审计痕迹，而不会消失在后台自动化中。
需要时进行人工审批
执行模型在更高风险或更广泛的变更上包含审批门控，在需要时保持敏感操作由人工控制。
实际使用场景
PR 协调
通过监控新的或更新的 PR、建议更好的描述，并标记缺失的审阅者上下文，让拉取请求始终保持可审阅状态。
问题与 bug 分诊
监控问题跟踪器中的重复问题，添加合适的标签或更新，并帮助防止同一 bug 再次出现。
文档维护
在代码变更后跟踪文档偏差，并在已发布行为与文档不一致时提出范围明确的更新建议。
仓库维护
通过在等待单独提示之前持续推动依赖、补丁和其他重复性维护任务，保持代码库整洁。
Pros and Cons
Pros
- 直接从仓库中的简单 Markdown 文件运行，配置清晰且便于移植。
- 无需每次操作都发出提示即可主动工作。
- 采用带验证和审批门控的受保护执行模型。
- 生成 PR、评论、报告和关联状态更新等持久化产物。
- 提供面向团队的方案，包括免费层以及带超额选项的付费计划。
Cons
- 来源没有展示完整的集成目录，因此平台覆盖范围只作了部分说明。
- 该产品面向重复性和运营性工作；它并未被呈现为用于临时请求的通用聊天助手。
FAQ
Daemons 是如何定义的？
Charlie Daemons 定义在你仓库中的 Markdown 文件里。该页面将其契约描述为一个 DAEMON.md 文件，前置元数据包含名称、目的、监控条件、例程、拒绝规则和计划，并在 Markdown 正文中定义策略和输出格式。
定价如何运作？
定价页面说明，方案基于每日和每周的 Charlie 使用限额，而不是按月积分。如果某个工作区达到限额，可以购买超额积分，或等到限额重置；使用量同时计入 daemons 和由人触发的 Charlie 工作流。
Daemons 可以连接哪些系统？
how-it-works 页面显示，daemons 可以在 GitHub、Linear、Slack 和 Sentry 之间运行，主页也提到了 Slack、Linear 和 GitHub。除这些示例外，来源没有提供完整的集成列表。
一个 daemon 的运行过程是什么样的？
该产品围绕基于策略的运行构建，并在需要时进行审批。执行模型包括接收输入、构建上下文、在边界内进行规划、执行、验证、报告，以及从已保存状态继续监控。
它最适合哪类工作？
该网站将 daemons 描述为持续性的角色，而不是一次性任务。它们适用于持续维护、更新以及在团队离开后仍需继续推进的后续跟进工作。
Quick Facts
- 类别
- AI agent 平台
- 主要用途
- 持续维护和后续跟进工作
- 配置方式
- 基于 Markdown 的 DAEMON.md 文件
- 来源域名
- charlielabs.ai
- 示例系统
- Slack、Linear、GitHub、Sentry
- 定价模式
- 免费层加付费计划和超额计费