落日画斜阳

AgentScope 2.0 深度解析：从架构到实战 本文基于 AgentScope 2.0.9 源码与官方文档，结合实际代码探索，带你从顶层到底层理解这款生产级智能体框架。 一、AgentScope 2.0 是什么？AgentScope 2.0 是阿里巴巴通义实验室开发的生产级智能体框架，将多租户、多会话管理和分布式部署作为一等公民原生支持。 四个关键词概括其设计理念： 安全：工具审计 + 人机协同（Human-in-the-Loop）权限系统 + 沙箱隔离，三位一体 高效：工具并发/顺序智能调度，保证正确性前提下大幅提升执行效率 灵活：智能体与工具双重中间件，无需修改核心逻辑即可定制运行时行为 完备：从轻量级 UI、SDK 到多租户后端及分布式部署的完整工具链 ⚠️ AgentScope 2.0 是一次全面重构，官方提供了更新日志供参考。 二、全景架构123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555...

从零到一搞懂 AutoGen：多智能体协作框架完整拆解 环境：Windows 11 + Python 3.14 + autogen-agentchat 0.7.5（文中所有 API 均在本地实测验证）。 目录 一、AutoGen 是什么 二、三层架构：先建立地图 三、环境搭建（含真实踩坑） 四、核心概念逐个击破 4.1 模型客户端 ModelClient 4.2 消息与事件体系 4.3 智能体 Agent 4.4 团队 Team：五种协作模式 4.5 终止条件 Termination 4.6 工具 Tools 4.7 运行与可视化：run / run_stream / Console 五、实战拆解：软件开发团队案例 六、两个进阶实验（附真实运行结果） 七、踩坑记录 八、进阶主题速览 九、学习路线建议 参考资料 一、AutoGen 是什么AutoGen 是微软开源的多智能体（Multi-Agent）框架，核心思想一句话： 把多个”有人设的 LLM”放进一个聊天室里，让它们通过对话协作完成复杂任务。 版本警告（重要）：AutoGen 有两个完全不同...

从零构建 Reflection 智能体：让大模型学会”自我批判”为什么需要 Reflection？我们之前构建的两种范式有一个共同点：一次执行，流程即终。 ReAct 完成任务后直接输出答案，行动轨迹中即使有错误也不回头修正； Plan-and-Solve 按蓝图施工完毕即收工，即使中间某步算错了，最终答案也会带着错误交付。 可人类的解题过程从来不是这样：写完作文要校对，解完数学题要验算，写完代码要Review。我们完成”初稿”之后，总会退后一步审视它——这就是反思。 2023 年，Shinn, Noah 等人提出的 Reflexion 框架[1] 正是把这一人类本能固化成了智能体的运行机制。其核心思想一句话概括： 为智能体引入一个事后的（post-hoc）自我校正循环，让它像评审员一样审视自己的输出，并据此迭代优化。 1234flowchart LR A["ReAct / Plan-and-Solve<br/>一次性输出，无回头路"] -->|"存在谬误或改进空间"| B["Reflection&...

从零构建 Plan-and-Solve 智能体：让大模型学会”谋定而后动”为什么需要 Plan-and-Solve？在上一篇文章中，我们构建了 ReAct 范式：让模型边想边做，通过 Thought → Action → Observation 循环动态调整行动。它像一个经验丰富的侦探，根据现场线索一步步推理，随时修正调查方向。 但 ReAct 并非万能的。它的核心弱点是短视——每一步只基于当前观察做局部决策，缺乏对全局路径的掌控。当我们把 ReAct 应用在多步骤、长链条的复杂任务上时，模型很容易偏离轨道：前几步还算顺利，走到中间就忘了最终目标，或者被无关信息带偏。 这个问题在更早的 Chain-of-Thought（思维链） 范式中同样存在：模型虽然能一步步推理，但每一步都在”自由发挥”，没有一份事先确定好的行动蓝图。 2023 年，Lei Wang 提出了 Plan-and-Solve Prompting，用一句话概括其核心思想： 不要边想边做，而是先想清楚”怎么做”，再动手去做。 如果说 ReAct 是侦探，那么 Plan-and-Solve 更像一位建筑师：动工之前...

从零构建 ReAct 智能体：让大模型学会”边想边做” 本文改编自《Hello Agents》第四章”智能体经典范式构建”中的 ReAct 部分。在保留核心技术细节的基础上，对内容进行了重新组织和润色，使其更适合作为一篇独立的技术博客来阅读。 为什么需要 ReAct？大语言模型（LLM）已经很强大了，但它有两个绕不开的短板：知识有截止日期，且无法主动与外部世界交互。你问它”华为最新款手机是什么”，它要么承认不知道，要么凭记忆编一个——也就是我们常说的”幻觉”。 在 ReAct 诞生之前，业界尝试过两条路线： 纯思考型（如 Chain-of-Thought 思维链）：让模型一步步推理，逻辑能力强，但”闭门造车”，无法获取外部信息，容易产生事实性幻觉。 纯行动型：模型直接输出要执行的动作，但没有规划，也没有纠错能力，像一个没有大脑的执行器。 2022 年，Shunyu Yao 提出了 ReAct (Reason + Act) 范式[1]，核心思想非常朴素却有效：模仿人类解决问题的方式，把”思考”和”行动”显式地结合起来。 人类解决陌生问题时的典型过程是这样的：先想一下”我需要查...

07 — 分布式与可观测性 (chord, server, client, telemetry)问题当 Agent 需要以 client-server 模式运行（例如远程会话、多 worker 并行）时，需要： 一个服务组合运行时来管理多个服务及其依赖 一个 client-server 协议实现来传输消息 一个可观测性系统来追踪跨进程的请求 Pi 将这些放在 chord、server、client、telemetry 四个包中。这些目前是实验性的（受 PI_EXPERIMENTAL=1 环境变量控制），但设计成熟。 第一部分：chord — 应用组合运行时packages/chord/src/ 核心概念 概念 说明 Facet 一个模块，声明它提供和消费的服务 Service 类型化的服务契约（singleton 或 keyed 模式） ReplicatedState 可变复制状态，跨进程同步 FacetHost 管理一组 facet 的激活、热重载 Facet 模型packages/chord/src/facets/host.ts（~32K） 一个...

06 — 终端 UI (pi-tui)问题在终端中渲染一个交互式 Agent 界面面临几个挑战： 终端是顺序输出的设备，如何实现”局部更新”（只刷新变化的部分）？ 如何处理复杂的键盘输入（组合键、修饰键、按键释放）？ 如何渲染 Markdown、代码高亮、diff、图片？ 如何让 UI 组件可组合且高效？ pi-tui 是一个独立的终端 UI 库，解决了这些问题。 渲染架构差分渲染pi-tui 的核心渲染策略是差分渲染（differential rendering）： 12345678910Frame N (当前屏幕) Frame N+1 (新屏幕)┌──────────────┐ ┌──────────────┐│ Hello World │ │ Hello Pi ││ > _ │ │ > typing_ │└──────────────┘ └──────────────┘ │ ...

04 — 会话持久化 (pi-protocol 与 session-backends)问题Agent 的对话状态（消息、工具结果、用量统计）需要持久化，以支持： 进程重启后恢复对话 创建会话分支（fork） 导航到历史中的某一点 同时，Agent 可能以 client-server 模式运行，需要一个传输中立的协议来在进程间通信。 Pi 将这两个关注点分别放在 pi-protocol（协议层）和 pi-session-backends（存储层）。 第一部分：pi-protocol — 传输中立协议packages/protocol/src/ 协议概述一个二进制 RPC 协议，用于远程 pi 会话。客户端发送 hello + 请求/取消；服务端回复 hello + 响应 + 服务更新 + 附件通知。 协议版本：PROTOCOL_VERSION = 8（protocol.ts:5） 消息类型packages/protocol/src/protocol.ts 客户端消息（ClientMessage，line 63）： 消息 说明 ClientHello { t...

05 — 编码 Agent (pi-coding-agent)问题pi-agent-core 提供了 Agent 运行时，但它不知道什么是”文件”、什么是”bash 命令”、什么是”系统提示”。它只是一个通用的 agent loop。 pi-coding-agent 的任务是：在 agent-core 之上组装一个可用的编码助手产品——定义具体工具、构建系统提示、管理会话、支持扩展、提供终端 UI。 启动流程packages/coding-agent/src/main.ts（~982 行） 1234567891011121314151617181920212223用户执行 `pi "帮我读一下 README"` │ ▼cli.ts (7行) └─ setupCli() → main(process.argv.slice(2)) │ ▼main.ts ├─ parseArgs() // 解析 CLI 参数 (args.ts) ├─ 运行一次性迁移 /...