本地Claude代码代理+自研合并队列实现在MacBook Air上稳定日均90次提交

Hacker News 上有个热帖火了：一位工程师在 8GB 内存的 MacBook Air 上，用本地 Claude Code Agent 实现日均 90 次提交——不连云端 CI、不换硬件、不频繁重启。

核心是自研的本地合并队列（local merge queue）：把并发 Agent 的构建、测试、预览流程串行化、原子化执行，彻底避开资源争抢。纯 Shell + Git 钩子实现，无外部依赖。内存峰值压到 1.2GB 以内，单次合并平均耗时 38 秒（含 lint、test、vite dev server 启动），72 小时实测零 OOM。这不是 Demo，而是真实交付流水线的极简重构，直击中小团队和独立开发者的“算力焦虑”——AI Agent 落地，真不需要 GPU 集群。

为什么 4 个 Claude Agent 在 MacBook Air 上会崩？

8GB 内存跑 4–5 个 Claude Agent，表面看是“开太多”，实际是资源模型错配。

Claude 调用走 API，但本地 Agent 工作流本身就很吃资源：

• npm install 峰值内存 1.1GB
• jest --runInBand 让 Node 进程堆内存陡增
• vite dev 启动后常驻 WebSocket + HMR 监听

当多个 Agent 同时触发 git push → pre-push hook → build → test → dev server start，macOS Jetsam 机制直接杀进程。原作者记录：没加队列前，平均每 12 次提交就 force quit 一次，日均损失 1.7 小时调试时间。问题不在机器旧，而在传统 CI 范式（push 即构建）在本地 Agent 场景下根本失灵。

本地合并队列：37 行 Shell 脚本的工程降维打击

不用 GitHub Actions，也不搭自建 Runner。纯本地 Git hooks + FIFO 队列搞定原子调度。关键就三步：

1. post-receive 钩子拦截所有 push，写入 /tmp/merge_queue.fifo（带 SHA、分支、作者元数据）；
2. 守护进程 queue-runner.sh 阻塞读 FIFO，每次只取一个 commit；

3. 每次执行严格按顺序跑：

   git reset --hard && npm ci && npm test && npm run preview -- --port=3001

   失败则中断队列并报警。

全程不用 Docker、Redis、SQLite，甚至没引入任何新服务。队列状态用 cat /tmp/queue.status 实时看，支持 SIGUSR1 手动跳过卡住的任务。实测 4 个 Agent 并发 push 时，CPU 负载从 120% 降到 65%，内存波动收窄至 ±80MB。

不买算力、不烧钱、不重启：小设备跑 AI Agent 的硬核路径

这套方案的价值不在炫技，而在重新划清 AI 开发基础设施的权责边界：把 CI 复杂度从云端拽回本地，把资源争抢从对抗变成编排。

对比常见方案：

• GitHub Actions 免费额度（2000 分钟/月）≈ 支撑 40 次提交/天，超限扣款；
• 自建 Runner 至少要 16GB 内存 + SSD，月成本 $45+；
• 本地队列零成本，还省掉网络延迟——CI 上传 300MB node_modules 平均耗时 22 秒。

更重要的是，它让 Claude Agent 变成“可预测”的协作单元。开发者能清楚知道：“第 7 个提交将在 3 分钟后开始测试”，而不是盯着 CI 队列里飘红的未知超时。

👉 Binance · OKX · Gate.io · HTX · Bitget

对 OpenClaw 生态的即时启示

当前 OpenClaw 用户已在本地跑多 Agent 任务流（比如 Code + Design + Test 三角色协同），但缺一个资源协调层。

这个队列设计可以无缝集成进 openclaw runtime：

• 把 oc run --agent=code 的输出自动注入本地 FIFO；
• 由 oc-queue-daemon 统一调度。

yitb/cli v0.4.3-alpha 已预留 --local-queue flag，并开源参考实现（github.com/yitb/openclaw-queue）。不用改 Agent 逻辑，一行命令就能启用——这正是对“Agent 应轻量、可嵌入、易编排”的实践回应。

下一步：从队列到协同 OS 的演进可能

单一队列解决争抢，但还没解决 Agent 间状态共享。比如 A 跑完单元测试，B 才启动 E2E。

社区已有基于 /tmp/shared_state.json 的轻量 IPC 雏形。更进一步，Linux cgroups + systemd scope 可为每个 Agent 分配独立内存/CPU 配额——这意味着 8GB 机器能稳跑 6 个 Claude Agent，而非现在的极限 5 个。

建议现在就动手：

• 克隆 local-merge-queue，运行 make setup 一键部署；

• 如果你用 OpenClaw，升级到 v0.4.3 后执行：

  oc config set local-queue true

真正的 AI 生产力，始于对本地资源的敬畏与精算。