大多数 AI 编码工具都属于开发框架：即围绕模型的运行循环，加上读写文件、执行命令的工具。Claude Code、Codex、OpenCode 和 Pi 都属于此类开发框架，它们是为终端前的开发者设计的。
Coroid 不会使用上述任何工具，它运行的是专属的运行时。
为何不封装现有的工具呢？
上述工具均围绕有人值守的场景设计：有人会实时查看、回答疑问、中断流程，也能察觉到异常情况。这一假设合理，也决定了它们的运行逻辑——错误如何上报、携带多少上下文信息、模型返回异常结果时如何处理。
Coroid 的假设则恰恰相反：无人值守。工作会在云端运行，由日程安排、监控机制或事件触发，无需人工干预就能产出可审核的结果或明确的失败报告。
这两类场景对应的问题截然不同。下述多项特性正是源于这种差异，在终端场景中并无实用价值。
该运行时的独特之处
**它默认在无人值守环境下运行。**当模型返回格式错误的响应或错误的工具调用指令时，运行循环会自行修复并重试，而非弹出无人应答的提示框。无人值守的运行流程若因提问而中断，只会浪费计算资源。
**它天生支持多代理协作。**该运行循环基于不同角色之间的任务交接机制构建，各角色拥有不同的权限，并非由单个代理包揽所有工作。代码验证由未参与编写的代理执行，这是架构本身带来的特性，而非额外设置的要求。
**它设有明确的预算和深度限制。**每次执行都受令牌预算和步骤上限约束。若没有这些限制，理解任务有误的无人值守代理会持续运行下去。
**它将治理规则内嵌于运行流程中。**策略、质量门禁和审批节点都是执行路径的一部分，而非事后附加的封装层，因此阻塞性门禁能在运行过程中直接终止任务，而非等任务结束后才生效。
缓存是核心考量因素
上下文是代理运行成本的主要来源，在云端运行环境中，同一项目上下文会被多个任务反复读取。
正因如此，该运行时高度依赖提示词缓存。你可以在任务的执行轨迹中看到缓存的使用情况，各步骤会标注对应的缓存效率：
9.1k used (90% cached)高缓存命中率是降低运行成本的关键。这也是结构清晰、上下文稳定的项目运行成本更低，因为稳定的上下文易于缓存，而每次运行都会变化的上下文则难以缓存。
这与渐进式技能相辅相成，能从源头上控制加载的上下文规模。
实际应用中的表现
- **无需本地部署。**无需命令行工具、编辑器插件或运行器。Coroid 基于 API 开发，在云端运行。
- **无需订阅第三方工具。**你无需为 Coroid 额外的编码助手购买授权。模型使用费按 积分或通过 你自己的供应商密钥.
- **工作可无人值守运行。**日程安排、Sentinel以及 钩子均能正常运作，因为整个过程无需依赖开发者电脑处于开机状态。
- **行为具有一致性。**所有人的工作都在同一运行时、遵循相同策略下开展，无需依赖各开发者本地安装的配置。已安装的内容可在“语言支持和代理环境”中查看。 语言支持和代理环境.
它不会改变的部分
该运行框架仅决定工作的执行方式，不会更改流程边界：所有成果仍以 pull request 分支的形式呈现，不会自动合并，你的分支保护规则和审核要求与人类贡献者完全一致。