@irl_danB: 每个人都在构建智能体或工具，但你并不需要智能体或工具，你需要的是一个reactor。我一直在研究一些…

X AI KOLs Timeline 工具
agent-sessions world-model dataflow reactor memoization open-source openai-agents-sdk

摘要

一位开发者介绍了一个名为'reactor'的概念——一个智能体会话DAG，它使用OpenProse markdown文件和openai-agents-sdk维护一个带有记忆功能的世界模型，并类比了React和数据流。

每个人都在构建智能体或工具 你并不需要智能体或工具，你需要的是一个reactor 我一直在研究一些很酷的东西，我觉得你会喜欢 它很简单：一个智能体会话DAG，通过高效的（记忆化的）渲染来保持声明的世界模型最新 每个渲染节点都是一个智能体会话：你可以使用OpenProse markdown文件声明所需状态 一旦被调用，每个智能体会话就充当提供者。该智能体会话使用开源的openai-agents-sdk，可以根据需要扩展任何模型（我使用的是opus、sonnet、haiku） 世界状态的各个面都被记忆化，因此并非每个智能体都需要在每个事件上运行，从而节省推理成本 如果这听起来很像React或数据流，那是因为即使在我们这个美丽新世界中，智能体的智慧依然坚挺
查看原文
查看缓存全文

缓存时间: 2026/06/03 23:56

每个人都在构建一个代理或工具

但你真正需要的不是一个代理或工具，而是一个反应器（reactor）

我一直在做一件很酷的东西，我想你会喜欢

它很简单：一个代理会话 DAG，能以高效（记忆化）渲染的方式，让声明的世界模型保持最新

每个渲染节点就是一个代理会话：你用 OpenProse markdown 文件声明期望的状态

一旦被调用，每个代理会话就充当提供者。代理会话使用开源的 openai-agents-sdk，并且可以随意用任何模型进行扩展（我用的是 opus、sonnet、haiku）

世界状态的各个层面都被记忆化了，所以并非每个事件都要运行所有代理，从而节省推理开销

如果这听起来很像 React 或数据流，那是因为即使在我们这个勇敢的新世界里，代理的智慧依然适用

相似文章

@djfarrelly: https://x.com/djfarrelly/status/2052779234234380479

X AI KOLs Timeline

本文主张，AI Agent 的开发应基于稳定的执行原语，而非会随新兴编排模式频繁更迭的僵化框架。文章强调，采用持久化步骤、持久状态、并行协调、事件驱动流程以及可观测性设计，可有效避免因最佳实践不断演进而付出的高昂重写代价。

@sydneyrunkle: https://x.com/sydneyrunkle/status/2056419909941522687

X AI KOLs Following

Deep Agents v0.6 引入了代码解释器、用于按模型调优的测试配置文件、流式支持、用于检查点存储的 DeltaChannel 以及用于版本化代理记忆的 ContextHubBackend，实现了模型无关的编程式工具调用和递归工作流。