lanzeou-大赛人网-第101页
lanzeou的头像-大赛人网
lanzeou管理员超级版主
这家伙很懒,什么都没有写...
小节四:State、Memory、Session、Trace 到底怎么区分——别把所有东西都塞进一个大字典-大赛人网

小节四:State、Memory、Session、Trace 到底怎么区分——别把所有东西都塞进一个大字典

学到这里,很容易出现一个新问题,“既然 State 什么都能放,那 Memory、Session、Trace 还有什么意义?” 这是非常好的问题。 如果这个边界没想清楚,后面项目会出现一个巨大对象: state = { ...
案例分析一:Coding Agent 为什么必须保存 State——一次中断后还能不能继续?-大赛人网

案例分析一:Coding Agent 为什么必须保存 State——一次中断后还能不能继续?

场景背景 假设我们的 Coding Agent 正在执行,“修复项目启动错误,并验证测试。” 它已经完成: Step 1:list_files Step 2:read_file('src/main.py') Step 3:read_file('requirements.txt')...
案例分析二:Data Analysis Agent 状态混乱,为什么会重复查同一条 SQL?-大赛人网

案例分析二:Data Analysis Agent 状态混乱,为什么会重复查同一条 SQL?

场景背景 一个 Data Analysis Agent 接到任务,“为什么昨天收入下降?” Agent 先查: 总收入 再查: 按媒体拆分 发现: media_B 异常 接着应该继续: 查 media_B 的请求、曝光、eCPM 问题矛盾...
章末自测-大赛人网

章末自测

题目 1:为什么 Agent 不能只依赖局部变量? 假设 Main Loop 中使用 messages、step、finished、last_error、recent_calls 五个独立变量,并且后面又加入 Human Approval 和 Flask AP...
模型解耦:设计自己的 LLM Provider-大赛人网

模型解耦:设计自己的 LLM Provider

前面三节,我们已经把 Agent 最基础的运行骨架搭起来了。 先是知道 Agent 和 Workflow 的区别,然后手写 Main Loop,再把 goal、messages、step、tool_history、status 这些信息收进 ...
小节一:为什么要解耦——真正的问题不是“换模型”,而是“不要让厂商细节污染 Agent”-大赛人网

小节一:为什么要解耦——真正的问题不是“换模型”,而是“不要让厂商细节污染 Agent”

先从最容易理解的“换模型”说起。 如果 Agent Engine 直接这样写: from openai import OpenAI class AgentEngine: def __init__(self): self.client = OpenAI() def think(self, messages): r...
小节三:实现 OpenAIProvider、ClaudeProvider、LocalModelProvider——真正的难点是“适配”,不是“复制三份代码”-大赛人网

小节三:实现 OpenAIProvider、ClaudeProvider、LocalModelProvider——真正的难点是“适配”,不是“复制三份代码”

现在进入真正落地。 先说一个原则,不同模型 Provider 的 API 形式会变化,所以我们不把模型名称写死在课程代码里。 统一从环境变量读: OPENAI_MODEL ANTHROPIC_MODEL OLLAMA_MODEL 这样以后模...
小节四:Provider 适配完成后,哪些模型差异可以留在 Engine 之外-大赛人网

小节四:Provider 适配完成后,哪些模型差异可以留在 Engine 之外

现在我们把前面几节串起来。 Agent Engine 已经有: Main Loop State Provider 理想结构是: class AgentEngine: def __init__( self, provider: LLMProvider, ): self.provider = provider def...
案例分析一:从 OpenAI 切到 Claude,为什么不应该改 Agent Main Loop?-大赛人网

案例分析一:从 OpenAI 切到 Claude,为什么不应该改 Agent Main Loop?

场景背景 假设团队已经有一个 Coding Agent。 Main Loop: THINKING ↓ LLM ↓ TOOL_CALLING ↓ OBSERVING ↓ THINKING 第一版底层使用 OpenAI。 某一天,团队希望在代码分析任务中测试 Claude...
案例分析二:云模型故障时自动切本地——Provider 抽象为什么是 Fallback 的前提?-大赛人网

案例分析二:云模型故障时自动切本地——Provider 抽象为什么是 Fallback 的前提?

场景背景 假设 Data Analysis Agent 正在公司内部使用。 正常情况下使用云模型。 但偶尔会遇到: 超时 限流 网络异常 Provider 服务不可用 如果模型不可用,整个 Agent 就停了。 团队希望,云模...