kheish
一个持久化、可编排的AI智能体运行时与控制平面。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：kheish。 它的用途是：一个持久化、可编排的AI智能体运行时与控制平面。 完整的 Skill 内容见：https://321skill.com/skills/kheish/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“启动一个监控智能体，持续检查生产环境的API健康状态，如果发现错误率超过5%，自动执行预设的故障排查流程并通知Slack频道。”，Kheish会将该智能体作为持久化任务运行，即使你的CLI工具关闭或网络中断，监控和故障处理流程也会在后台持续执行并自动恢复。
介绍
Kheish 旨在解决一个核心痛点：当调用AI智能体的应用程序、人类操作员或凭证失效时，如何确保智能体工作流的持续运行。它将智能体执行与调用者解耦，确保任务在进程重启、网络中断或人工干预缺失等情况下依然能持久化、可恢复地执行。
使用Kheish时，你需要部署其守护进程（daemon），它作为独立的服务器运行。你的应用程序（如CLI工具、Webhook、Slack机器人）只需向守护进程提交任务请求，而智能体的实际执行、状态管理和恢复则由守护进程全权负责。它提供会话管理、审计追踪和基于权限的操作范围控制。
它特别适合需要长时间运行、涉及多步骤工具调用（如自动化运维、数据分析流水线、客户服务跟进）且对可靠性和可审计性有要求的团队。智能体开发者、运维工程师和需要构建稳定自动化流程的产品团队是其主要用户。
需要注意的是，Kheish是一个底层运行时，并非开箱即用的聊天机器人框架。它更适合作为你现有AI应用架构中的执行层，用于管理那些需要超越单次API调用的复杂、有状态的智能体工作流。
核心特点
与LangChain、CrewAI等主要在应用进程内编排智能体的框架不同，Kheish的核心是将智能体作为独立于调用者的持久化资源进行管理，确保执行过程在调用者崩溃或离线后仍能存活并继续，提供了类似Kubernetes对于容器、Temporal对于工作流的控制平面能力。
注意事项
不适合仅需单次LLM调用的简单场景，此时直接使用SDK更轻量。
常见问题
Kheish和LangChain有什么区别？
LangChain是应用内的智能体编排库，智能体生命周期与应用程序绑定。Kheish是独立的控制平面，智能体作为持久化服务运行，与应用解耦，具备高可用和可恢复性。
Kheish适合用来做聊天机器人吗？
可以，但Kheish主要价值在于管理聊天机器人背后复杂的、长时间运行的自动化工作流（如订单处理、工单跟进），而不仅仅是对话界面本身。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/kheish/raw/index.md 读取 kheish 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/kheish/raw/index.md（查看排版版本）