在 Python 的世界里，异步编程 早已不是什么新鲜的“黑魔法”，但在 2026 年，随着 AI 原生应用 和 高并发 IO 密集型任务 的普及，掌握如何高效地“同时做多件事”变得比以往任何时候都重要。我们经常需要编写一些能够永久运行的后台任务——比如监听消息队列、处理 WebSocket 数据流，或者是维持一个与 LLM（大型语言模型）的长连接会话。
在本文中，我们将不仅回顾 Python asyncio 库的基础用法，还会结合我们在现代开发（特别是 AI 辅助编程）中的实战经验，深入探讨如何构建健壮、可维护的“永久运行”异步系统。
核心概念回顾
在开始之前，让我们快速梳理一下构建异步系统的基石。理解这些对于后续编写高性能代码至关重要。
- 协程： 我们使用
async关键字定义的函数。这不仅仅是语法糖，它告诉 Python 解释器：“这个函数会在执行过程中暂停。” - 事件循环： 它是异步心脏的起搏器。它负责调度所有的协程，当一个任务因等待网络 I/O（如请求 OpenAI API）而挂起时，事件循环会利用这段时间去执行其他任务。
- asyncio.sleep()： 这是模拟异步操作的黄金标准。与
time.sleep()不同，它不会冻结整个程序，而是把控制权交还给事件循环。
示例：基础异步运行
Python
CODEBLOCK_281ac390
解释： 当你运行这段代码时，INLINECODEfa87974c 会创建一个新的事件循环，运行 INLINECODEd61bb662，并在结束后关闭循环。await asyncio.sleep(1) 是关键，它告诉循环：“这一秒钟我没空，去干点别的吧。”
同时运行两个异步函数
在实际开发中，我们很少只运行一个任务。比如，你可能需要一边从传感器收集数据，一边在本地保存日志。让我们来看看如何并发运行两个函数。
Python
CODEBLOCK_27e35513
输出
!OutputUsing asyncio.gather()
解释： 在这个例子中，INLINECODE22b515b3 发挥了调度器的作用。它同时启动 INLINECODEd7604334 和 fun2。注意看输出的顺序，它们是交替进行的，而不是一个做完再做另一个。这就是并发的威力：总耗时约为 2.5 秒（5次 * 0.5秒），而不是串行运行时的 5 秒。
深入探讨：如何让两个异步函数永远运行
现在，我们进入今天的核心话题：无限期运行。在构建像 AI Agent（AI 代理） 这样的后台服务时，我们需要确保任务一旦启动，除非遇到致命错误，否则绝不停止。
为了实现这一点，我们可以结合 INLINECODE6fcaa390 循环和 INLINECODEee5bc928。但在 2026 年的工程实践中，我们不仅要让它“跑起来”，还要考虑它如何“优雅地停下来”。
生产级代码示例：
Python
CODEBLOCK_3142037d
输出
!OutputUsing while
解释： 这段代码展示了我们在生产环境中的思考方式。我们不仅使用了 INLINECODE2bfcc871，还引入了一个全局标志 INLINECODEc0fd9cbb 来控制退出。更重要的是，我们在 INLINECODEbf152e61 函数中处理了 INLINECODEadd278ac（即 Ctrl+C）。在 2026 年的云原生环境下，容器编排系统（如 Kubernetes）在停止 Pod 前会发送信号，如果你的代码不处理这种“优雅退出”，可能会导致数据丢失或 AI 上下文损坏。
2026 年视角：现代开发范式与技术趋势
仅仅让代码跑起来是不够的。作为现代开发者，我们需要结合最新的工具和理念来提升效率。以下是我们团队在使用 Cursor 或 GitHub Copilot 等 AI IDE 开发异步系统时的一些最佳实践。
#### 1. 智能化容错与重试机制
在 AI 时代，我们的代码经常依赖不稳定的网络（调用 LLM API）。简单的无限循环可能会因为一次网络超时而崩溃。我们可以结合 Tenacity 库或自定义装饰器来增强 INLINECODE371622cf 和 INLINECODE94485f58。
让我们思考一下这个场景：如果你的 fun2 是一个需要连接外部服务的 Agent，网络抖动是常态。我们建议这样改进：
Python
CODEBLOCK_9778dc30
这种模式在我们的 Agentic AI 工作流中非常关键，确保 AI 代理在面对外部服务波动时具有韧性。
#### 2. 结构化并发与任务组
从 Python 3.11 开始，我们引入了 INLINECODE97ec9391。这是对传统 INLINECODE03718dc6 和 create_task 的重大升级，它提供了更好的异常处理机制——如果组内有一个任务失败，TaskGroup 会自动取消其他任务，防止“僵尸进程”的出现。这符合 2026 年对代码安全性的要求。
Python
CODEBLOCK_06e19998
#### 3. 可观测性：看见不可见的
在运行永久后台任务时，最大的痛点往往是“它死了吗？”。在 2026 年，我们不仅要打印日志，还要集成 OpenTelemetry。虽然这超出了基础教程的范畴，但我们在编写代码时应预留接口。
例如，在 INLINECODE88e4e700 循环中，不要只打印 INLINECODE8e6c1824，而是使用结构化日志：
Python
CODEBLOCK_d44ee7ef
总结与最佳实践
在 2026 年，编写“两个永远运行的异步函数”不再仅仅是关于 while True 的技巧。它是关于构建一个 具有韧性、可观测且易于维护的微服务单元。
让我们回顾一下关键点：
- 使用
asyncio.run()作为入口，管理事件循环生命周期。 - 使用 INLINECODE8331a673 或 INLINECODE0b497a9c 来并发运行任务。在 Python 3.11+ 中，优先选择
TaskGroup以获得更安全的异常处理。 - 永远不要使用阻塞代码：在 INLINECODE7e5a0e6a 函数中，严禁使用 INLINECODE7d41ed1d 或同步的文件/网络 IO，否则会阻塞整个事件循环。
- 优雅退出：总是要考虑到你的程序如何停止。处理
SIGINT并在退出前清理资源，这是区分脚本和服务的分水岭。
在你最近的一个项目中，如果你需要同时运行一个数据监听器和一个 AI 模型推理服务，不妨尝试上述的 TaskGroup 模式。你会发现代码不仅更整洁，而且在面对异常时更加健壮。
常见问题 (FAQ)
#### 如何在 Python 中一次运行两个异步函数？
> 最现代且推荐的方法是使用 INLINECODEa481b1ce (Python 3.11+)。如果你使用的是旧版本，INLINECODEf1e459a5 依然是可靠的选择。方法如下：
>
>
> import asyncio
>
> async def first_function():
> print("First function running")
> await asyncio.sleep(1)
>
> async def second_function():
> print("Second function running")
> await asyncio.sleep(1)
>
> async def main():
> async with asyncio.TaskGroup() as tg:
> tg.create_task(first_function())
> tg.create_task(second_function())
>
> asyncio.run(main())
> #### 如何在 Python 中多次运行一个异步函数？
> 要并发运行一个异步函数多次，通常是为了进行压力测试或并行处理。我们可以在列表推导式中生成任务列表：
>
>
> import asyncio
>
> async def async_task(n):
> print(f"Task {n} started")
> await asyncio.sleep(1)
> print(f"Task {n} finished")
>
> async def main():
> # 使用 TaskGroup 批量创建 5 个任务
> async with asyncio.TaskGroup() as tg:
> for i in range(5):
> tg.create_task(async_task(i))
>
> asyncio.run(main())
> #### 如何在 Python 中使函数异步化？
> 将同步函数改造为异步函数不仅仅是加上 INLINECODE6304d944 关键字。你需要找到函数中的 I/O 瓶颈（如数据库查询、HTTP 请求、文件读写），并将它们替换为对应的异步库（如 INLINECODE0bb1e998, INLINECODEb201a6f0, INLINECODEbad7aafc）。
>
> 错误示范：
>
> async def bad_async():
> time.sleep(1) # 这会阻塞整个循环！
> >
> 正确示范：
>
> async def good_async():
> await asyncio.sleep(1) # 交出控制权
> 通过掌握这些技术，你已经准备好在 2026 年构建下一代 Python 后端服务了。快乐编码！