新闻详情

新闻详情

首页 / 资讯中心 / 详情

从聊天框到能办事的智能体应用:Agent-Native 开发实践

发布时间:2026/11/17 16:13:27来源:尧图网络
从聊天框到能办事的智能体应用:Agent-Native 开发实践
从聊天框到能办事的智能体应用Agent-Native 开发实践【免费下载链接】agent-nativeA framework for building agentic apps项目地址: https://gitcode.com/GitHub_Trending/ag/agent-native刚上线的智能体应用最常见的尴尬是这样的用户说帮我约个会智能体聊了三轮还没动手或者它真的约上了你却说不出它是怎么约的。Agent-Native 是专门用来构建这类智能体应用的框架模板、执行循环、调度、协作协议都内置在仓库里以下做法全部来自这个仓库的真实目录结构。智能体只会聊天、不会办事时从成熟模板起步而不是从空白页起步新项目的第一步不是打开编辑器而是把 templates/ 里现成的 13 个模板过一遍chat、calendar、mail、analytics、forms 都在。每个模板都是独立应用有自己的 package.json、数据库 schema、actions 和 UI。想做日程类功能先读 templates/calendar/ 是怎么做的再改比自己从零搭快得多也不容易写出违背框架设计的代码。让智能体的每次执行走同一个核心循环用户问什么智能体都要经历同一个循环接请求、选动作、执行、记录结果。这个循环集中在 packages/core/src/agent/production-agent.ts 组装执行链run-manager.ts 和 run-store.ts 负责状态管理和失败后的恢复。写应用时别自己另起炉灶做循环想把执行失败时通知我这类逻辑接进去在这里扩展一次所有功能都受益。智能体开始办事之后防止它跑偏把功能拆成小 action逐个配测试功能在这里不是一个页面而是一个个 action 文件。看 templates/calendar/actions/check-availability.ts 只负责查可用时间create-event.ts 只负责建事件每个文件旁边都放着同名 .test.ts。你的智能体应用照这个来一个 action 只做一件事、单独可测智能体选到它时就不是黑盒答非所问也好排查。让定时任务自己跑起来每周一早上提醒我这类需求靠调度机制不靠你自己开定时器。packages/core/src/jobs/ 下有 scheduler.ts 和 cron.ts 负责按计划触发run-history.ts 记录每次运行结果。新写定时功能时把任务入口挂到这个目录里运行历史、重试策略都是现成的。把第三方服务接进统一集成层不要给 Gmail 写一套调用、给 Google Calendar 再写一套。这个仓库把第三方服务统一收在 packages/core/src/integrations/catalog.ts 管理可用集成清单installations-store.ts 记录每个用户授权了哪些服务adapters/ 目录放各服务的接入协议。右边是 analytics 模板的数据源面板Google Sheets、GA4、自定义 API 都从同一个入口接入智能体查询数据时不用关心背后是哪家服务。代码越滚越大、没人敢改时按职责拆包别让模块互相咬住应用变大之后最省心的做法是每个能力一个独立包。packages/ 里 core 是框架本体scheduling 只管排期dispatch 是多应用的控制平面embedding 负责把应用嵌进别的系统各管各的。拆分依据写在 pnpm-workspace.yaml每个包有自己的 package.json只导出自己需要的接口改 A 包不会连累 B 包。让数据模型改得动、改不坏数据库 schema 是最容易改坏的地方。packages/core/src/db/ 的处理方式是drizzle-migrations.ts 管理迁移链ensure-additive-columns.ts 只允许加列、禁止删列ddl-guard.ts 会拦截不合规的 DDL。本地开发默认用 PGlite不配 DATABASE_URL 也能直接启动。带走这条经验改 schema 永远走增量迁移别原地重写现有表。给失败一个分类清晰的人话说明智能体失败时用户看到的应该是原因和下一步不是堆栈。失败分类就定义在 packages/core/src/agent/engine/failure-taxonomy.ts限流、凭证缺失、超时各是一类每类对应不同处理策略能重试的重试该升级给人的升级给人。写智能体应用时先定义这张失败词典报错措辞和恢复策略就会始终一致。上线之前先证明应用靠得住给踩过的坑各写一个守护脚本单元测试只保证代码能跑不保证代码守规矩。scripts/ 里有一整排 guard 脚本guard-no-env-credentials.mjs 阻止把凭证写进环境变量guard-migration-manifest.ts 校验迁移清单一致性guard-i18n-catalogs.ts 检查翻译完整性。踩到一个坑就把它写成一条守护规则下一个人或下一个智能体就不会再踩同一个洞。给第二个智能体留一份交接手册这个仓库把代码能被另一个智能体接手当成正式功能来做。skills/ 目录下每个技能一份 SKILL.md描述一套完整工作方法visual-plans 负责画图式规划visual-edit 负责可视化修改。接手方读一遍手册就能开工新人上手的成本也跟着降下来。让智能体跟其他智能体协同多应用场景下智能体之间要能互相调用。packages/core/src/a2a/ 实现了 Agent-to-Agent 协议agent-card.ts 描述一个智能体是谁、能做什么task-store.ts 管理跨智能体任务的状态caller-auth.ts 管住谁有资格调用谁。右边这种工作区就是协同的落点一个入口统筹 mail、calendar、slides 等多个应用的智能体而不是让用户在十几个页面之间来回跳。下一步第一步就一条命令git clone https://gitcode.com/GitHub_Trending/ag/agent-native进入仓库后安装依赖安装脚本会自动构建内部依赖的包想一次看全效果用 dev:all 脚本把所有模板并行跑起来各占一个端口。每次推送前跑一遍 prep 脚本把格式化、类型检查、测试和守护脚本全部打绿再合。一个容易踩的坑用户或组织的凭证不要写进 .env这个仓库要求用带作用域的凭证存储守护脚本会专门检查这一条——从第一天就按这个规矩来上线前才不会返工。【免费下载链接】agent-nativeA framework for building agentic apps项目地址: https://gitcode.com/GitHub_Trending/ag/agent-native创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
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 2026/11/17 7:04:08

【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 2026/11/17 5:42:44

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 2026/11/17 19:43:34

【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 ... 2026/11/17 6:55:04

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 2026/11/17 5:57:47

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 2026/11/17 19:43:32

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
📞 ✉