@dongxi_nlp: 看到讨论该不该用 python 写 Agent。 去看看 Shunyu Yao 的 ReAct 源代码吧，就几个 notebook。 记得当年运行这些简单代码，直接瘫坐在椅子里，那是人生中为数不多的体验。 毫不夸张地说，这几个notebo…
摘要
一条推文讨论是否应该用Python编写AI Agent，作者引用Shunyu Yao的ReAct源代码（仅几个Jupyter Notebook），认为这些代码开启了Agent时代，并批评鄙视特定编程语言的态度。
查看缓存全文
缓存时间: 2026/05/27 03:18
看到讨论该不该用 python 写 Agent。
去看看 Shunyu Yao 的 ReAct 源代码吧，就几个 notebook。
记得当年运行这些简单代码，直接瘫坐在椅子里，那是人生中为数不多的体验。
毫不夸张地说，这几个notebook开启了价值巨大的 Agent 时代。
优秀的思想可以开创时代。
而鄙视这个语言那个语言的，却常常是被时代裹挟。
相似文章
@9hills: 说下我的经验，Python做Agent没问题，因为Agent的性能瓶颈是模型。 但是用Python做TUI就是非常不好的选型。 Coding Agent 的TUI 性能要求很高。
推文讨论Python在构建Agent时表现良好，但用于Coding Agent的TUI性能不佳，引发对技术选型的思考。
@teach_fireworks: AI Coding 现在开始进入一个很有意思的阶段。 过去大家讨论最多的是模型能力、上下文长度、Agent Loop、Tool Use、自动化编程，但真正把 Agent 长时间放进真实开发环境之后，很多团队发现问题已经不只是“能不能生成代…
介绍开源工具 re_gent，它为 AI 编程 Agent 提供运行时级别的版本控制和可观测性基础设施，解决 Agent 长时间运行后的代码溯源与审计问题。
@knoYee_: https://x.com/knoYee_/status/2062780637677752366
作者复盘了使用多Agent协作三个月的经验，总结出五个主要痛点（如Agent间矛盾、忽略边界条件、自我审查失效、合并决策困难、压缩执行后暴露更难问题）和两个心得（只读审查Agent价值高、Agent矛盾暴露需求模糊），强调了人类在AI协作中的核心决策作用。
@FeitengLi: 动手搭了一个 ReAct agent 系统：围绕 LLM 做 agent 系统 傍晚散步时在想：如何训练 LLM 的 agentic 能力、数据准备、模型训练、agent 轨迹 action 构造 RL 训练，再想 Claude 在过去一…
作者分享了搭建 ReAct agent 系统的经验，并介绍了智谱 AI 发布的 GLM-5 技术报告，该模型在 agentic、推理和编码方面取得了突破。
本文系统梳理了AI Agent架构与工程实践，涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全，基于OpenClaw实现展开，强调Harness（测试验证基础设施）对系统稳定性的关键作用。
本文系统梳理了AI Agent架构与工程实践，涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全，基于OpenClaw实现展开，强调Harness（测试验证基础设施）对系统稳定性的关键作用。