@akshay_pachaar: 我刚组建了一个4智能体软件团队。一切通过Telegram运行并通过看板管理。一个项目经理…
摘要
本文介绍了一个4智能体软件团队,通过Telegram和共享看板运作,使用开源InsForge作为智能体原生后端,自动化基础设施任务,如数据库设置和认证。
我刚组建了一个4智能体软件团队。
一切通过Telegram运行并通过看板管理。
一个项目经理负责规划工作,一个后端开发者,一个前端开发者,以及一个测试员。项目经理读取目标,将其拆分为关联任务,并分配给合适的智能体。
让它们成为一个团队而非四个陌生人的关键,是一块共享的看板。每个任务都是一行记录,崩溃后依然存在;当一个智能体完成时,它会写下一份摘要,说明它构建了什么以及下一个智能体需要知道什么。
下一个智能体在开始前读取这份摘要。这样前端开发者永远不需要猜测API的形状,测试员也确切知道要验证什么。
最困难的部分不是协调,而是构建一个能真正像后端工程师一样行动的智能体。
一名后端工程师要搭建数据库、配置认证、管理存储、部署函数,并在团队其他人在此基础上构建时保持一切一致。
一个智能体从头开始做这些会陷入困境。它的上下文窗口会被消耗在记住哪些表存在、三步前创建了哪个端点上,工作质量迅速下降。
因此,后端智能体需要一个为智能体构建的后端,而不是为人类点击仪表盘而设计的后端。
这正是InsForge的作用。它是一个开源的、智能体原生的后端,我把它作为一项技能添加到了我的后端开发者智能体中。
技能是一份逐步指南,教智能体如何完成特定类型的工作。安装了InsForge后,这个智能体不再临时拼凑基础设施,而是遵循一条可靠的路径:创建项目、定义数据库、设置认证、部署函数。
为了测试整个团队,我让它们构建了一个可用的Google Docs克隆,包括AI功能。
后端智能体自己启动了完整服务。数据库表、用户认证、文档处理以及运行真正TypeScript的边缘函数,全部在一个仪表盘中完成。前端智能体读取了那份摘要,在此基础上构建了用户界面,测试员则完成了闭环。
最终的结果是一个智能体能够端到端推理的后端,而不是一个让它不断迷失的后端。
如果你在构建一个AI后端工程师,InsForge值得一看,它是100%开源的。
InsForge GitHub: https://github.com/InsForge/InsForge…
(别忘了加星 )
关于Hermes Kanban的全文:你智能体的任务控制中心见下方引文。
查看缓存全文
缓存时间: 2026/06/08 03:13
一体化、开源的后端平台,专为智能体编码打造。
⭐ 帮助我们触达更多开发者,壮大 InsForge 社区。给这个仓库点星!
⭐ 在 GitHub 上为我们点星,第一时间获取新版本通知!
相似文章
@corbin_braun: 7个AI代理构建完整软件
展示了一个由7个AI代理协作构建完整软件应用的系统。
AI仪表盘 + 基础设施 + Rocket.Chat
作者分享了他们使用Rocket.Chat、CLI代理和tmux构建AI代理基础设施的经验,规模扩展至250个客户,帮助他们建立网站。他们从销售服务转向教客户自己使用代理,强调了此类系统中上下文管理的重要性。
我重建了我的私有“AI开发团队”——它实际上只是一个硬编码的工作流——将其作为一个基底,使得编排从指令中涌现。以下是我的经验教训(以及它在哪里发生死锁)。
作者将其私有AI开发团队重建为一个开源的基底,包含可寻址的代理、可靠的消息传递、专长发现、记忆和隔离的运行时,使得团队行为能够从自然语言指令中涌现。他们分享了关于死锁和自我修复等协调挑战的见解,并提出了代理团队如何通过自然语言指令进行协作的问题。
@ByteMohit: https://x.com/ByteMohit/status/2063493300884246598
一篇关于构建AgentForge的详细技术文章,AgentForge是一个基于Python的开源agent框架,涵盖了会话运行时、工具合约、审批层和持久化等组件,强调agent由其运行时定义,而不仅仅是模型。
我构建了 agentwerk,一个专注于高效完成任务的轻量级 Rust 库,用于扩展智能体协作
作者介绍了 agentwerk,这是一个轻量级的 Rust 库,旨在通过工单系统扩展智能体协作。它为 LangChain 或 AutoGen 等臃肿框架提供了更简单的替代方案,适用于无需人工干预的流水线。