Cameron
一个基于LangChain/LangGraph构建的开源金融Agent项目，专注于金融数据分析与图表展示，探索Agent Skills架构的工程实践
时间轴 (近 90 天)
节目主持人Cameron认为随着代码生成变得越来越廉价，经过测试的抽象反而更加值钱
Cameron 判断 Agent 记忆正在演变为普通的云数据架构，持久部分应归属受治理的存储，临时的计划和工具输出可留在短生命周期的 Agent 状态中
本文内容基于 YouTube 频道《The Upload》主持人 Cameron 的每周技术梳理
当技能本质是基于现有工具的决策指导时，不需额外添加沙箱或文件系统工具，可复用已验证的UI组件
开发者Cameron金融Agent项目基于LangChain/LangGraph构建
作者提供了TypeScript与Python两种语言的示例代码及架构说明和激活失败案例
作者编写了eval评估来检测模型是否在需要时真正读取了技能
作者将图表数据作为LangChain artifact直接发送到UI，仅向模型返回简短确认信息，避免大量数据往返穿过LLM
全部知识事实 (8)
节目主持人Cameron认为随着代码生成变得越来越廉价，经过测试的抽象反而更加值钱
50%待验证Cameron 判断 Agent 记忆正在演变为普通的云数据架构，持久部分应归属受治理的存储，临时的计划和工具输出可留在短生命周期的 Agent 状态中
50%待验证本文内容基于 YouTube 频道《The Upload》主持人 Cameron 的每周技术梳理
50%待验证当技能本质是基于现有工具的决策指导时，不需额外添加沙箱或文件系统工具，可复用已验证的UI组件
50%待验证开发者Cameron金融Agent项目基于LangChain/LangGraph构建
50%待验证作者提供了TypeScript与Python两种语言的示例代码及架构说明和激活失败案例
50%待验证作者编写了eval评估来检测模型是否在需要时真正读取了技能
50%待验证作者将图表数据作为LangChain artifact直接发送到UI，仅向模型返回简短确认信息，避免大量数据往返穿过LLM
50%