#Agent框架
共 38 篇相关文章

LangGraph vs CrewAI vs PydanticAI:四大Agent框架选型指南
基于eLearning by A.L. Sadat的代码级对比,解析LangGraph、CrewAI、PydanticAI与OpenAI Agents SDK四大Agent框架的架构定位、同一客服分流任务的四种写法,以及面向生产环境的选型决策矩阵。

DeepSeek Harness是什么?模型外的一切工程层
DeepSeek Harness是什么?本文从马具隐喻切入,讲清Harness是模型之外的工程系统,涵盖提示词、工具调用、记忆、沙箱、编排等要素,并解析其一切皆插件的开源架构思路与四种运行模式的意义。

DeepSeek Harness 源码解析:Agent 框架主循环设计
从设计哲学、硬件与语言准备到主循环源码,深度解析 DeepSeek Harness Agent 框架的工程落地方式,帮助开发者理解其分层设计与学习路径。

OpenAI Agents SDK 白板拆解:三原语与追踪机制
拆解 OpenAI Agents SDK 的核心结构:Agent、移交与护栏三类原语,以及默认开启的 Tracing 机制中 Trace 与 Span 的嵌套关系,并提示 generation/function span 默认记录敏感数据的风险。
科技前沿OpenAI Agents SDK解析:Handoffs、Guardrails与框架取舍
解析 OpenAI Agents SDK 0.22.1 的核心机制:API 与 SDK 的取舍规则、Manager 与 Handoffs 两种多智能体模式的架构差异、并行 Guardrails 如何降低校验延迟、tool use behavior 与工具选择自动重置如何防止无限循环,以及 Sessions 持久化和 MCP 扩展能力。

DeepSeek Harness十问十答:一切皆插件的驾驭工程
DeepSeek Harness 开发预览版提出「一切皆插件」,把系统提示词、工具调用、沙箱、记忆与编排逻辑统一归入模型之外的驾驭层。本文解读 Harness 的设计哲学、插件化架构与开放策略背后的商业逻辑。

DeepSeek Harness源码精读:一切皆插件与主循环设计
深入解读 DeepSeek Harness 开源 Agent 框架:一切皆插件的设计哲学、安装版与源码版启动流程、主循环与事件总线的架构线索,以及手写插件接 MCP 的扩展思路。

ADK vs LangGraph vs OpenAI/Claude SDK:功能趋同,崩溃时见真章
2026年主流AI Agent框架功能已趋同,真正的差异在崩溃恢复与运行时。本文梳理ADK、LangGraph、OpenAI与Claude SDK在状态持久化、循环归属和厂商锁定上的真实表现,并给出幂等键等通用修复方案。

AI Agent框架:白板图解该不该用、何时用
白板图解AI Agent框架的本质:它替你运行调用模型、执行工具、回填结果的循环。对比LangGraph、OpenAI Agents SDK、Claude Agent SDK与Google ADK的定位,并分析Anthropic与OpenAI关于「是否该用框架、何时直接调API」的两方观点。

Infini-AI-Lab开源Hermit:不改模型与Harness的Agent适配框架
Infini-AI-Lab 开源 Hermit,一个 Apache-2.0 的 harness 适配框架,通过任务反馈训练指令、技能、记忆与工具组成的外部层,不改动 Agent 的模型与 harness,为 Agent 能力增强提供解耦新路径。

DeepSeek Harness全套教程:从安装到Agent模式进阶
DeepSeek Harness 全套教程:从 Node.js 环境安装、API Key 配置到工作区管理,深入解析标准模式、PTC 模式与集解模式的底层逻辑,并通过实战案例对比三种模式的 Token 消耗与适用场景,助你掌握 Agent 工程化进阶。

OpenAI Agents SDK速成:Python智能体工作流实战
OpenAI Agents SDK 完整速成指南:从 Agent 与 Runner 基础、自定义工具调用、MCP 接入、会话记忆三种方案,到人机审批、护栏、多智能体交接、生命周期钩子与流式语音交互,一文掌握 Python 智能体工作流核心用法。

DecisionAct v0.1.2:不用LLM,用决策模型构建多工具调用Agent
DecisionAct v0.1.2发布:一个基于决策模型(JEV、Cloudflare Clef)而非LLM的开源Python Agent框架,改进多工具调用可靠性、支持工具结果链式传递与输入不确定时自动向用户追问。

从零构建自主编程Agent:框架选择与入门指南
想开发自主编程Agent不知从何入手?本文梳理三条技术路线:直接使用编码Agent无头模式、采用LangChain/LangGraph等编排框架、或从最小Agent循环裸写起步,并分享规格编写、沙箱执行、上下文控制等关键设计建议与学习资源。

Claude Mods:翻转Agent Harness,让AI工具真正面向人类
Claude Mods提出翻转Agent Harness的设计理念,将工具框架从面向机器转向面向人类。作为Attention Interface的早期形态,它强调可修改性、可观察性与可介入性,为AI编程与Agent交互提供新思路。

deer-flow 向量记忆持久化实战:长时程 Agent 的混合检索与性能调优
深入解析如何将字节跳动 deer-flow 框架与 PostgreSQL + pgvector 集成,实现长时程 Agent 的向量记忆持久化。涵盖 HNSW 索引调优、RRF 混合搜索、并发写入瓶颈与嵌入归一化等实战经验。

本地LLM不是不行,是你的上下文有Bug
本地LLM编码Agent反复读取文件、声称看不到内容,开发者一度归咎于4B模型能力不足。控制实验证明:修复框架上下文保留bug后,同一模型以最短路径完成任务。强模型用自我修复掩盖缺陷,弱模型反而暴露出框架漏洞。

Agent框架怎么选?10大框架按场景对比指南
一份基于官方文档整理的Agent框架选择指南:覆盖10个框架的能力矩阵,按编程语言、耐久性和团队结构三个维度设计决策流程图,帮助开发者按用例快速缩小候选范围,避开选型中的常见误区。

AI SDK 7 与 AG-UI 1.0:Agent 应用的流式与生成式 UI 新范式
解析 AI SDK 7 的 UI message streams 与可恢复流、AG-UI 1.0 事件协议,以及 Mastra 与 LangGraph 如何接入流式与生成式 UI,为 Agent 应用前端工程提供选型与落地参考。

Agentic Everything:大部分Agent框架都在解决昨天的问题
当前AI Agent框架大多在解决能力问题,却忽略了可靠性、可观测性和可控性。本文分析无状态文本预测器的根本局限,提出由内存存储、工具契约和护栏组成的小内核架构,并给出生产环境中真正有效的Agent设计方法。