我构建了一个智能体引擎,其编排逻辑存在于文本文件中而非代码中——这就是为什么这很重要
摘要
作者介绍了 VITA,一个认知引擎,其编排逻辑用纯文本 Markdown 文件而非代码声明,从而实现动态工具加载、无框架锁定以及与提供商无关的执行。
大多数智能体框架都存在同样的四个耦合问题:工具在代码中定义、每轮都发送完整工具目录、编排逻辑与框架绑定,以及需要重新部署才能更改的静态目录。我一直在构建 VITA,一个认知引擎,其编排层以纯文本(.md 文件)声明,并在请求时由通用引擎解释。与通常做法的一些具体区别:工具是 .md 文件中的一块文本,而不是带装饰器的 Python 函数。工具定义本身没有框架锁定。模型永远不会看到完整目录。每一步只获得与该步骤相关的工具——不是因为摘要,而是因为下一步在到达之前根本不会显示。每次请求都会从磁盘重新读取目录。添加或更改能力不需要重启进程。按构造即与提供商无关。相同的目录、相同的 .md 文件,适用于 Groq、Gemini、OpenRouter 等——切换提供商不会触及工具定义。一个通用分派点可以解析任何转换,而无需事先知道它在分派什么。明确一下范围:这并不是声称它胜过 LangChain、MCP 或由拥有多年生产环境打磨经验的团队构建的多智能体框架——它没有,而且这不是卖点。比较范围更窄:编排逻辑到底在哪里——在模型中、在代码中,还是在介于两者之间的声明层中。这一个设计决策,贯穿了三次完整的引擎重写,才是我认为这里真正站得住脚的地方。我很乐意深入讨论架构(有更完整的技术文档),如果有人想要具体细节——也愿意听取我尚未看到的失败之处。—— 来自阿根廷萨尔塔的独立开发者。
相似文章
在遇到 LangGraph 天花板后,我构建了自己的智能体运行时——将 UI 作为图节点,Postgres 持久化,零编排成本
作者介绍了 cascaide,这是一个全栈智能体运行时和 AI 编排框架,使用 TypeScript 编写,可在任何支持 JS/TS 的环境运行。它提供 UI 作为图节点、持久化 Postgres 检查点、零编排成本,并且设计为可自托管,无供应商锁定。
@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…
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。
如何让代理运行数小时,以及哪些架构真正对代理友好?#深度探讨 #氛围程序员问题
作者探讨了AI编码代理的两个关键挑战:确保长时间自主执行(数小时)以及为本地应用设计对代理友好的架构。他们提出在规划和执行之前,增加一个显式的知识组织阶段来管理混乱的上下文。
@djfarrelly: https://x.com/djfarrelly/status/2052779234234380479
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。
多代理框架的另一种选择:将编排放入文件夹结构中
提出了一种传统多代理框架的替代方案,通过使用文件夹结构来管理编排,简化协调并降低复杂性。