LongRun 让你的 Copilot Pro 权益得到最大化的价值呈现！

开发者：zscc.in 知识船仓·公益社区。

LongRun 是一套围绕 GitHub Copilot CLI 构建的长跑编排插件与跨 Agent 桥接层：

• 在 Copilot CLI 内，可直接调用：/longrun、/longrun-prompt、/longrun-resume、/longrun-status
• 在 Codex / Claude Code / 其他 shell-capable coding agents 中，可通过统一 launcher 把任务转交给 Copilot CLI 长跑
• 默认采用轻架构内核：status.json 单一真值、artifact/sources 落盘、plan 受管投影、reconcile/verify/finalize 闭环、latest-available-opus 模型策略、事件驱动轻恢复

LongRun 不是“再写一个魔法 prompt”，也不是沉重的平台层。
它的定位是：把 GitHub Copilot CLI 的 agent 能力组织成一个轻量、可恢复、可收敛的任务内核。

• 单入口：/longrun
• 任务画像：coding | research | office
• 状态机：explore -> plan -> execute -> verify -> recover -> finalize
• 唯一真值源：status.json
• 中间产物：artifacts/*.md
• 证据链：sources.jsonl
• 计划投影：plan.md 顶部由 helper 维护 LongRun Status Board
• 任务清单：task-list.md 默认不作为真值源，但一旦存在且未标记 advisory，会进入 complete 校验
• 自动恢复：优先 reconcile -> harvest_sources -> verify -> finalize
• 硬收敛：helper 收尾写入 COMPLETION.md，并把 run 置为 complete 或 blocked
• 默认命名：用户可见输出文件默认使用简体中文名；控制文件保持英文稳定名

copilot plugin install izscc/LongRun

这一步主要是把 LongRun 插件内容放进 Copilot CLI 的插件缓存里。
它不会自动执行本机安装脚本，因此默认还不会完整装好：

• longrun / longrun-doctor 等全局命令
• LongRun helper bundle
• Codex / Claude Code 适配
• macOS 增强通知链路

如果你想直接在这台 Mac 上把 LongRun 全套能力一次装好，请用下面这条。

copilot plugin install izscc/LongRun && bash "$HOME/.copilot/installed-plugins/_direct/izscc--LongRun/scripts/install-all.sh" && longrun-doctor --notify-test

git clone https://github.com/izscc/LongRun.git && cd LongRun && bash scripts/install-all.sh

完整安装会同时放好：

• Copilot bare skills
• custom agents
• LongRun helper bundle
• shell launchers
• Codex / Claude Code adapters

如果你是通过 Copilot CLI 直接安装的，推荐使用下面这组命令进行干净更新：

bash "$HOME/.copilot/installed-plugins/_direct/izscc--LongRun/scripts/uninstall-all.sh" || true
copilot plugin uninstall copilot-mission-control || true
copilot plugin install izscc/LongRun
bash "$HOME/.copilot/installed-plugins/_direct/izscc--LongRun/scripts/install-all.sh"
longrun-doctor --notify-test

如果你是通过本地源码仓库维护 LongRun，则推荐：

cd /path/to/LongRun
bash scripts/uninstall-all.sh
git pull --ff-only
bash scripts/install-all.sh
longrun-doctor --notify-test

执行过：

bash scripts/install-bare-commands.sh

即可直接使用：

/longrun
/longrun-prompt
/longrun-resume
/longrun-status

执行过：

bash scripts/install-global-launcher.sh

即可得到：

longrun              # 默认 detached
longrun-prompt
longrun-resume       # 默认 detached
longrun-status
longrun-doctor
copilot-longrun      # 兼容 / 高级入口

longrun-prompt "<任务描述>" 除了在终端输出 Prompt，还会在当前目录自动生成：

• 待执行 Prompt.md
• 待执行 Prompt 使用说明.md

并且会自动打开主 Prompt 文件，方便你直接查看、修改，再复制终端最后那条执行命令继续使用。

最推荐的入口是：

longrun "<任务描述>"

longrun / copilot-longrun run（兼容入口）现在会在启动前：

• 预分配一个新的时间戳 run-id（形如 YYYYMMDD-HHMMSS-slug）
• 先创建 .copilot-mission-control/runs/<run-id>/
• 写入 state/active-run-id 与 state/latest-run-id
• 再把该 run-id 交给 LongRun skill 继续执行

只有显式 longrun-resume <run-id|latest> 才会复用旧 run。

当前版本刻意保持简洁：

• 不引入额外的“CEO 层 / 编译器层 / 知识库层”
• 不额外引入独立 artifact-manifest.json
• 不把任务正文模板写死进插件规则
• 只把闭环所需的最小机制留在内核里

每个 run 目录固定为：

.copilot-mission-control/
├── state/
│   ├── active-run-id
│   └── latest-run-id
└── runs/<run-id>/
    ├── mission.md
    ├── plan.md
    ├── status.json
    ├── journal.jsonl         # 只放业务事件
    ├── hook-events.jsonl     # 只放 hook/tool/error
    ├── sources.jsonl
    ├── artifacts/
    ├── policy.json
    └── COMPLETION.md         # helper 自己的收尾输出

status.json 内维护最小但完整的通用字段：

• state
• phase
• deliverables
• completedWorkstreams
• activeWorkstreams
• verification
• recoveryState
• artifacts
• naming

plan.md 只是默认受管投影；task-list.md 默认不是内核真值源。

但从现在开始，若以下文件存在：

task-list.md

且没有以下标记之一：

<!-- LONGRUN:TASK-LIST:ADVISORY -->
<!-- LONGRUN:TASK-LIST:UNMANAGED -->

那么它会被视为 complete 前的完成闸门：

• 未勾选项默认表示任务未完成
• finalize_run.py --status complete --local-verify 会因此失败

plan.md 顶部由 helper 维护唯一的 LongRun Status Board。
如果发现以下情况，会被视为 drift：

• 缺少受管状态区块
• 同时存在第二份手写 LongRun Status Board
• run 已 finalize，但仍残留 running

新增两个轻量 helper：

• prepare_run.py
• harvest_sources.py
• reconcile_run.py

它们用于在 finalize 前做“补账 + 对账”，而不是引入更重的平台结构。

LongRun 不再鼓励用脆弱的 shell echo '{...}' 写 JSON，而是通过 helper bundle 统一写状态：

• prepare_run.py
• write_status.py
• write_journal.py
• record_source.py
• harvest_sources.py
• reconcile_run.py
• update_plan_md.py
• verify_run.py
• finalize_run.py
• hook_event.py
• launch_supervisor.py
• probe_models.py

helper bundle 默认安装到：

~/.copilot-mission-control/bin/

finalize_run.py --status complete --local-verify 在本地校验失败时，默认不会再把 run 写成 complete。
只有显式 --force-complete 才允许带风险完成，并会在 status.json.verification 中留下失败痕迹。

helper 自己的收尾输出固定写到 COMPLETION.md，不再覆盖用户任务自己的 final-summary.md。

LongRun 里要区分两件事：

• finalize_run.py：把 run 收敛到 complete / blocked
• task_complete：告诉 Copilot 当前 session 可以结束

因此，若你在 session 里看到：

• 最后做了一轮 verify / scan
• 随后写入 finalize_run.py
• 再出现 task_complete
• 最终 sessionEnd.reason = complete

这通常是正常自动收尾，不是“突然崩掉”。

从现在开始：

• longrun "..." / copilot-longrun run ...（兼容入口）会先预分配新 run
• 新 run 默认不会再复用旧目录
• 只有 resume 才允许继续旧 run

这解决了这类问题：

• 一次新任务意外写进旧的固定目录（例如 icopilot-v1/）
• latest / active 指针和实际运行 run 混淆
• 长跑 session 结束后，看不到新的 run 记录目录

另外，若你把任务文件内容写成：

/longrun ...

再传给 launcher：

longrun "$(cat task.md)"

launcher 会自动剥离最前面的那一个 /longrun，避免双重触发。

默认结束语义是：

• complete-and-exit：交付物完成后自动结束当前 session

如果你要的是：

• 持续监控
• 保留 checkpoint 等你回来
• watch 外部条件
• 不希望当前 Copilot 会话自己结束

则不要把任务写成单纯的 complete-and-exit，而应改成：

• checkpoint-and-stop
• watch-until-deadline

并优先使用 detached launcher：

longrun "..."

而不是把 raw /longrun 当作守护进程。

LongRun 不做每轮全局重思考，只在这些事件触发轻量恢复：

• verify fail
• shell block
• sources 缺失
• 状态漂移
• deliverable 已在但账本未同步
• 连续失败且没有新信息

默认恢复顺序：

1. reconcile_run.py
2. harvest_sources.py
3. verify_run.py
4. 再决定继续执行、finalize complete 或 finalize blocked

用户可见输出文件默认使用简体中文文件名，例如：

• 任务总览.md
• 执行计划.md
• 来源附录.md
• 最终总结.md

控制文件仍保持英文稳定名：

• mission.md
• plan.md
• status.json
• journal.jsonl
• sources.jsonl
• COMPLETION.md

LongRun launcher 与 /longrun 共享统一模型策略：

1. 先探测当前账号可用的最新 Opus
   • 教育账号通常命中 Claude Opus 4.5
   • Pro 账号通常命中 Claude Opus 4.6
2. 若当前账号无可用 Opus，则 fallback：
   • Claude Sonnet 4.6
   • Claude Sonnet 4.5
   • GPT-5.4
   • Gemini 3.1 Pro

• 若用户 prompt 明确指定模型，优先按用户要求执行
• launcher 会为当前 Copilot 登录账号缓存模型可用性：
  • ~/.copilot-mission-control/config/model-availability.json
• 若当前模型不可用 / 限流 / 无权限，自动回退到下一模型
• 若已到回退链末尾，则执行 2m -> 5m -> 10m backoff
• 若 deliverable 已存在且本地校验通过，优先直接 finalize COMPLETE，而不是继续浪费额度

• longrun "任务" / copilot-longrun run ...（兼容入口）
  会主动选择当前账号可用的最新 Opus
• copilot --autopilot ... -p "/longrun ..."
  如果你没有显式传 --model，LongRun 会把状态记录为：
  • selectedModel: session-inherited
  • modelControlMode: session-inherited

也就是说：raw /longrun 不会再假装自己强制用了 Opus 4.6。

另外：

• raw /longrun 更像“一次 autonomous mission 跑到完成后退出”
• detached launcher 更适合长时间无人值守、状态恢复、后续 resume

下表中的“纯跑长任务可跑数”是推导值：假设你一个任务只发送 1 次初始 prompt，并让 Copilot 在一次会话里自主长跑到底；若中途再追加 steering、恢复、追问，会额外消耗 premium requests。

• Copilot Pro 当前包含 300 premium requests / 月
• prompt 才是 premium request 的主要计费点
• agent 自主执行的 tool calls 并不会按同等方式继续叠加 premium request
• LongRun 不改变 GitHub 官方计费规则，只是帮助你把每次 prompt 的自主执行价值拉满

先跑：

longrun-doctor

它会检查：

• Copilot CLI 是否安装
• copilot login 是否完成
• bare skills 是否安装
• helper bundle 是否安装
• 模型策略文件是否可读
• 当前账号可用的最新 Opus
• detached backend screen 是否存在
• gh 是否安装/登录（可选）
• helper 原子状态 selftest 是否通过

如果你刚切换了 Copilot 账号权益，可主动刷新模型缓存：

longrun-doctor --refresh-model-cache

注意：模型探测会发送少量轻量请求；LongRun 会把结果缓存到本地，避免每次长跑都重复探测。

copilot login

gh auth login --web --hostname github.com --git-protocol https

如果某些 IDE / agent 沙箱没有继承你平时终端的 PATH，可显式指定：

export COPILOT_BIN=/absolute/path/to/copilot
export GH_BIN=/absolute/path/to/gh

longrun "<任务描述>"

等价于通过 launcher 启动一条更稳妥的无人值守路径，默认带：

• --autopilot
• --yolo
• --no-ask-user
• latest-available-opus 模型选择
• rate limit fallback / backoff supervisor

longrun-prompt "<任务描述>"

longrun-status latest

longrun-resume latest

如果你先手动开一个普通 Copilot session：

copilot

然后再手敲：

/longrun <任务描述>

那么它会继承当前 session 的权限模型。如果该 session 不是 --yolo / --allow-all-urls，仍可能出现 URL/tool/path 确认弹窗。

用 launcher：

longrun "<任务描述>"

或：

copilot-longrun run --detach "<任务描述>"   # 兼容 / 高级入口

这才是更稳的无人值守入口。

LongRun 的设计目标之一就是：

• Copilot CLI 负责真正长跑
• Codex / Claude Code / 其他 agents 只做入口、查看状态、回显结果

因此 LongRun 统一暴露 shell contract：

longrun "<任务描述>"
longrun-prompt "<任务描述>"
longrun-status latest
longrun-resume latest

安装：

bash scripts/install-agent-adapters.sh --agent codex

安装：

bash scripts/install-agent-adapters.sh --agent claude

也可自动识别：

bash scripts/install-agent-adapters.sh

python3 scripts/selftest_longrun.py

longrun-doctor --refresh-model-cache

copilot-longrun run --dry-run "帮我调研 2025-2026 全球新能源汽车趋势"   # 兼容 / 高级入口

bash scripts/install-all.sh

LongRun 默认策略：

• 只做到本地完成为止
• 默认不自动 commit/push/PR
• office 任务默认边界是本地文件 + 公开网页
• 遇到登录态 SaaS / 私有后台而宿主没有提供访问能力时，应该直接 BLOCKED

plugin.json
hooks.json
agents/
skills/
scripts/
config/
integrations/
README.md

MIT