新闻详情

新闻详情

首页 / 资讯中心 / 详情

pi agent源码解读之StreamFn

发布时间:2026/11/20 22:10:15来源:尧图网络
pi agent源码解读之StreamFn
1. 先理解问题:Agent 核心为什么不应该绑定 Provider一个 Agent 通常负责:保存对话状态;把用户消息加入上下文;请求模型生成回复;解析增量文本;识别工具调用;执行工具;把工具结果追加回上下文;继续下一轮模型请求。其中第 3 步才真正涉及模型供应商:Agent Loop │ ├─ 准备上下文 ├─ 调用模型生成回复 ← Provider 相关 ├─ 处理文本增量 ├─ 执行 Tool └─ 继续循环如果 Agent 核心直接写:import{streamAnthropic}from"...";import{streamOpenAI}from"...";那么核心就会依赖具体 Provider,带来几个问题:Agent 包必须安装所有 Provider SDK;增加新 Provider 时需要修改 Agent 核心;测试必须真正模拟或连接具体模型;用户无法方便地注入代理、缓存、重试、路由或本地模型;Agent 核心与模型鉴权、HTTP、API 格式耦合。Pi 的做法是把“请求模型并获得事件流”抽象成一个函数类型:StreamFn。2.StreamFn是什么定义位于:packages/agent/src/types.ts:33核心类型是:exporttypeStreamFn=(model:ModelApi,context:TranscriptContext,options?:SimpleStreamOptions,)=AssistantMessageEventStream|PromiseAssistantMessageEventStream;可以把它理解为:给我: - 一个模型描述 - 一份已经整理好的对话上下文 - 一些请求选项 返回: - 一个 AssistantMessageEventStream它的职责非常明确:StreamFn = 模型调用适配器Agent 不关心这个函数内部是:OpenAI Chat Completions;Anthropic Messages;Google Generative AI;Azure;Bedrock;本地 Ollama;远程代理;测试用 Mock;自己实现的 RPC 服务。Agent 只依赖统一的返回类型:AssistantMessageEventStream3. Agent 核心如何注入streamFnAgentOptions要求传入streamFn:// packages/agent/src/agent.ts:113exportinterfaceAgentOptions{initialState?:AgentInitialState;convertToLlm?:(messages:AgentMessage[])=Message[]|PromiseMessage[];transformContext?:(...);streamFn:StreamFn;...}构造 Agent 时:constagent=newAgent({initialState:{model,},streamFn,});Agent 会保存这个函数:// packages/agent/src/agent.ts:194publicstreamFunction:StreamFn;构造函数中完成注入:// packages/agent/src/agent.ts:230this.streamFunction=runtimeOptions.streamFn??getDefaultStreamFn(
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/20 18:41:01

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉