7,880 颗星背后，Hatchet 想解决 AI Agent 编排的哪个真实问题

如果你在跑 AI Agent 或者长流程后台任务，大概率遇到过这几个经典问题：进程崩溃后任务全丢、多个 Agent 并行跑互相抢资源、任务跑到一半不知道怎么追查问题。这些问题 Temporal 能解决，但部署维护成本高；用 Redis 写个队列，功能又太薄。

Hatchet 可能是目前最值得认真看一眼的解法。

它到底是什么

Hatchet 是一个用 Go 写的开源编排引擎，GitHub 上 7,880 颗星、490 个 Fork，MIT 协议，对 PostgreSQL 有强依赖——这既是它的技术边界，也是它最大的优势所在：把任务运行时和事件日志都存在 PostgreSQL 里，让”可重现”变成默认行为，而不是额外代价。

官网是 https://hatchet.run，文档在 https://docs.hatchet.run，有 Hatchet Cloud 可以直接注册用，也支持完全自托管。

几个核心概念

Tasks（任务） 是最小单元，本质上就是一个被 Hatchet 包装过的函数，支持 fire-and-forget 和 fire-and-wait 两种模式。Workers 是长期运行的进程，从 Hatchet 拉任务来执行。Durable Workflows 则是把多个任务组成带依赖关系的 DAG，支持断点续跑、复杂暂停/恢复条件、以及事件驱动的触发。

最近一个 release（Python SDK v1.40.0，2026 年 9 月 4 日）刚加了多租户共享并发策略，可以用 CEL 表达式动态计算不同租户的并发上限。同一天的 v0.105.16 引擎版本修了 durable callback 顺序问题，修了好几个 NonDeterminismErrors——说明项目在认真处理生产级问题。

它解决什么真实问题

AI Agent 的断点续跑是最直接的使用场景。Agent 跑一个长任务，中途服务重启，传统方案里这个任务基本就废了。Hatchet 把每次执行都写入事件日志，重启后 Worker 可以从中断点恢复，不会重复执行已完成的部分。这点比 Celery/BullMQ 强很多。

海量并行任务的分发与限流是另一个强项。Hatchet 支持 Worker slot 控制——每个 Worker 根据自身能力声明”一次能接多少活”，系统不会超发。公平调度（fairness）策略确保高优先级任务不会被低优先级任务饿死。还支持基于动态 key 的并发控制，比如”每个用户 ID 最多同时跑 3 个任务”。

多租户场景原生支持，内置 Users 和 Roles，不用自己写权限层。

适合谁，不适合谁

适合： 需要跑长任务（超过几分钟的那种）的团队；已经在用 PostgreSQL、不想再引入 Redis/RabbitMQ 等额外中间件的团队；对任务可追溯性有要求（需要随时重跑、查看历史）的生产系统；AI Agent 开发者，需要可靠的执行保障。

不太适合： 追求极致吞吐量的纯数据管道（这时专用流处理引擎更合适）；不想运维 PostgreSQL 的团队（虽然 Hatchet Cloud 托管版可以解决这个问题）；喜欢轻量方案的简单脚本场景。

怎么跑起来

最简单的方式是装 CLI，一条命令起本地服务：

curl -fSL https://install.hatchet.run/sh | bash
hatchet --version
hatchet server start

然后装 SDK（Python / TypeScript / Go / Ruby 都可以）：

pip install hatchet-sdk

写第一个任务：

from hatchet_sdk import Hatchet

hatchet = Hatchet()

@hatchet.task()
def simple_task(context):
    print("hello from hatchet")
    return {"result": "done"}

# 触发任务
hatchet.put(simple_task)

完整文档和示例代码在 https://docs.hatchet.run/v1/tasks，Cookbook 里收录了 Durable Workflows vs DAGs 的对比选型建议。

周边生态

Discord 社区挺活跃（https://discord.gg/ZHMeUafw89），GitHub Discussions 里有很多深度技术讨论。GitHub 上 open issues 131 个，不算多但维护者响应及时。有一个 Benchmarking 页面（https://webfiddle.net/cats-d8c4vu/docs.hatchet.run/self-hosting/benchmarking），公开了吞吐量数据，官方说生产环境每月处理数十亿任务。

下一步建议

如果你是 AI Agent 开发者，建议从 Durable Workflows 入手，把你现有的”一个大函数跑完全部逻辑”拆成多个步骤，感受一下断点续跑的价值。如果你正在选型任务队列，拿 Hatchet 和 Temporal/Conductor/Bruno 做横评，核心对比维度建议放这三点：中间件依赖（是否需要额外部署）、断点续跑能力、多租户支持。

项目地址：https://github.com/hatchet-dev/hatchet
文档：https://docs.hatchet.run