2026 年 9 月 29 日，Hacker News 上出现了一款名为 Relay 的 AI 编程代理工具。作者表示，现有 AI 编程代理往往只能短暂正常工作，遇到测试失败、依赖暂时不可用或错误假设等小问题就会彻底失败，有时仍需人工看护。Relay 试图通过反复尝试和验证来改善这一状况。

发生了什么

Relay 的核心思路是：AI 代理通常擅长做“稍微有点错”的事情，但不擅长一次性正确且完整地完成任务。因此，Relay 将任务放入循环中执行：先尝试任务，然后在全新的沙箱中运行检查；如果失败，就读取错误信息并换一种方式重试，直到检查通过。

根据作者介绍，Relay 会保留每次运行中学到的经验，避免重复同样的错误。当检查最终通过时，它会以普通 Git PR 的形式提交改动，不隐藏状态，也不使用魔法，差异对人类可读。具体特点包括：在本地运行、免费、无需账户即可运行本地代理；使用顶级模型进行规划和审查，使用更便宜的模型实际编写代码以控制成本；每个任务的检查都在隔离沙箱中运行，而不是“信任”代理。

作者还提到，Relay 目前支持 Opus 5.5、GPT-6 等模型或集成，并设有付费层级，用于跨多个仓库无人值守运行，共享沙箱分钟数，而代理本身是免费的。作者强调，Relay 不是魔法，也不是 AGI，在某些问题上会严重失败，并希望获得反馈，尤其是来自那些曾部署无人值守代理、发现其实际无法工作，或不得不围绕代理构建大量工具的人。

为什么重要

当前 AI 编程代理在实际部署中常因小故障中断，需要人工干预。Relay 通过循环重试、隔离沙箱验证和从失败中学习，试图减少这种看护成本，并以可读的 Git PR 交付结果，这有助于提升代理的可靠性和可审计性。作者对失败场景的坦诚态度，也为讨论代理的局限性提供了空间。

背景补充

该工具在 Hacker News 上发布时获得了 2 个点数，暂无评论。作者表示欢迎讨论这一思路的优缺点，并特别希望听到部署过无人值守代理的开发者分享经验。

来源：Show HN: Relay – a harness for AI coding agents that recover…（发布于 2026-09-29）