2026 年 4 月，Cloudflare 公開 Project Think，定位為 Agents SDK 的下一代演進。它的命題不是把模型做強，而是把 coding agent 已經被驗證的四大能力——讀檔、寫碼、執行、記憶——搬進 serverless 的經濟模型：agent 可以長駐、可以休眠、崩潰可以恢復，而且閒置時不收費。對正在評估 agent 基礎設施的團隊，以下拆解它的機制、量化錨點與目前的限制。
規模化的數學壞了：agent 是一對一的
Pi、OpenClaw、Claude Code 與 Codex 這波工具證明了一件事：讓 LLM 讀檔、寫碼、執行並記住所學，得到的不是開發者工具，而是通用助理——人們用它管理行事曆、分析資料、甚至報稅。但 Cloudflare 團隊自己天天使用這些工具，也天天撞到同一組瓶頸：它們只能跑在筆電或昂貴的 VPS 上、閒置時照樣計費、依賴與密鑰全要手動管理。
更結構性的問題在於：傳統應用是一個實例服務許多使用者，agent 卻是一對一的。一億名知識工作者、即使只有低度併發，也需要數千萬個同時進行的 session。以目前每個容器的成本計算，這條路在數學上就走不通。
Actor 模型：休眠零成本的長駐基礎
Project Think 的答案是 Durable Objects 的 actor 模型：每個 agent 都是一個可定址實體，擁有自己的 SQLite 資料庫；休眠時運算成本為零，事件到來時——HTTP 請求、WebSocket 訊息、排程鬧鐘、入站 email——由平台喚醒、載入狀態、處理完再睡回去。
量化對比很直接：10,000 個各自只有 1% 時間活躍的 agent，在容器世界需要 10,000 個 always-on 實例；在 Durable Objects 上，任一時刻只有約 100 個活著。新 agent 的邊際成本趨近零，架構從「每個重度使用者一個昂貴 agent」變成「每個客戶、每個任務都可以有一個 agent」。
| VM / 容器 | Durable Objects | |
|---|---|---|
| 閒置成本 | 永遠開著，全額計費 | 休眠時為零 |
| 狀態 | 需外接資料庫 | 內建 SQLite |
| 喚醒與恢復 | 自行建構（程序管理、健康檢查） | 事件喚醒，平台重啟狀態保留 |
| 規模化單位 | 預先配置容量 | 每 agent 一個，邊際成本趨近零 |
持久執行：fibers 讓崩潰變成可恢復的插曲
單次 LLM 呼叫可能要 30 秒，多輪 agent 迴圈更久，而這段期間部署、平台重啟、資源限制隨時可能發生。runFiber() 把函式呼叫變成持久操作：執行前先註冊進 SQLite，過程中可用 stash() 在任意時點設檢查點，重啟後由 onFiberRecovered 接手恢復；keepAlive() 與 keepAliveWhile() 則防止活躍中的工作被驅逐。至於以小時計的長任務，正確做法是啟動工作、持久化 job ID、休眠，等回呼再喚醒。
子代理、樹狀 Session 與跨休眠的記憶
子代理是經 Facets 與 parent 共置的子 Durable Objects：各有獨立的 SQLite 與執行環境、沒有隱式的資料共享，RPC 是 typed 的、誤用會在編譯期被抓出來，orchestrator 可以用 Promise.all 平行驅動多個子代理。
對話本身由實驗性的 Session API 管理：訊息存成樹狀（每則帶 parent_id），因此可以 forking 探索替代路徑、做非破壞性的 compaction、用 FTS5 對歷史做全文搜尋；它同時是 Think base class 的儲存層。
長期記憶則用 context blocks 實作：模型會看到一個帶使用率與預算的記憶區塊，能用 set_context 主動更新內容，跨休眠持久保存，並可搭配 withCachedPrompt() 降低重複成本。
MEMORY [42%, 462/1100 tokens]
偏好：回覆使用繁體中文，程式碼附最小可執行範例
專案：部署目標 Cloudflare Workers，測試以 Bun 執行codemode：讓 agent 寫程式，而不是玩工具呼叫
傳統工具呼叫的形狀很浪費：模型呼叫一個工具、把結果拉回上下文視窗、再呼叫下一個，工具一多就是線性膨脹。codemode 的洞察是模型更擅長「寫一支程式去操作系統」：讓 LLM 產生單一程式、在沙盒中一次跑完整個任務。Cloudflare API 的 MCP server 只暴露 search() 與 execute() 兩個工具，約 1,000 個 token 就能描述整個 API，相較每個端點一個工具的傳統做法約需 117 萬個 token——減少 99.9%。
能力模型與五層執行階梯
模型要寫碼，就得先回答「碼在哪裡跑」。Dynamic Workers 是答案：毫秒級啟動的 V8 isolate、數 MB 記憶體，官方數據約比容器快 100 倍、記憶體效率最高可達 100 倍。安全設計採 capability model：從幾乎沒有環境權限起步（globalOutbound: null、無網路），再透過 bindings 逐資源明確授權——問題從「怎麼擋住它」變成「你到底要它能做什麼」。
往上疊就是執行階梯：Tier 0 是 SQLite 加 R2 的 workspace（@cloudflare/shell，單獨使用就有生產力）；Tier 1 是無網路的 Dynamic Worker（codemode）；Tier 2 加入 npm（@cloudflare/worker-bundler 用 esbuild 打包）；Tier 3 是 headless browser；Tier 4 是完整 Sandbox，可以跑 git clone、npm test、cargo build。能力逐層累加，風險也逐層管控。
Think base class 與自我擴充的 extensions
不想從原語開始拼裝的人，可以直接繼承 Think：最小子類只需覆寫 getModel()，npx wrangler deploy 之後就是一個可串流的聊天 agent——官方部落格的範例模型採用 Moonshot 的 Kimi K2.5。它與既有的 AIChatAgent 共用同一套底層協定，但定位不同：既有的路徑是用約 15 行的 AIChatAdapter protocol adapter，模型呼叫自理；Think 是 opinionated framework，內建樹狀 session、非破壞性操作與子代理 RPC。Think 可以當頂層 agent 使用，也能被 parent 透過 chat() 當子代理驅動。
更值得注意的是執行期自寫的 extensions：agent 用沙盒 TypeScript 寫出新工具、宣告需要的 network 與 workspace 權限，由 ExtensionManager 打包後載入 Dynamic Worker 註冊成可用工具——工具存在 DO storage、跨休眠保存。自我改進靠的是程式碼，不是 fine-tuning。
現況與限制：preview 而非承諾
官方文件目前把 Project Think 標為實驗性 preview：概念今天就能用，API surface 目前穩定但會持續演進，整體仍不宜當成凍結的 production contract。套件是 npm 上的 @cloudflare/think，底層的 Agents SDK 則已驅動數千個 production agents。引用細節時也要留意版本差異：部落格的範例模型是 Kimi K2.5，Think 文件頁的範例則換成 Kimi K2.6，各自以出處為準。對 builder 而言，真正該帶走的是那組經濟學與安全設計——至於 API 本身，等它從 preview 畢業再押注也不遲。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。