从 0 到 1 实现 Super-Agent 架构:任务拆解、工具路由与失败回滚
作者把单循环 Agent 重构为规划、执行、校验三段式 Super-Agent 架构,同一竞品动态任务平均耗时从 47.3 秒降到 14.8 秒,成功率从 6/10 升到 9/10。
能拿走规划器 Pydantic 约束 DAG、asyncio 信号量并发执行、校验器增量重跑三段代码,替换单循环 Agent 串行调工具的做法,代价是要多一次规划与校验的 LLM 调用,且工具描述必须写细否则误用。
内容类型
拿来就能用的实操内容:提示词技巧、工作流搭建、工具用法与踩坑经验。
439 条精选近 30 天 437 条共收录 1,601 条
作者把单循环 Agent 重构为规划、执行、校验三段式 Super-Agent 架构,同一竞品动态任务平均耗时从 47.3 秒降到 14.8 秒,成功率从 6/10 升到 9/10。
能拿走规划器 Pydantic 约束 DAG、asyncio 信号量并发执行、校验器增量重跑三段代码,替换单循环 Agent 串行调工具的做法,代价是要多一次规划与校验的 LLM 调用,且工具描述必须写细否则误用。
T3 Code 是一个 agent harness control surface,在桌面、Web 和移动客户端上控制开发机上的 Codex、Claude Code 等 coding agent,自身不重新实现这些运行时。
能拿走的是把命令收据、事件日志、投影和副作用 outbox 放进同一 SQLite 事务、外部动作交给 EffectWorker 的拆分方式,可换掉现在单进程里发完消息就当作已执行的做法;代价是要自己处理幂等标识、重放边界和 WAL 断电回退。
作者复盘一次 Claude Code 会话因消息 930665 token 加 128000 输出预留超过 deepseek-v4-pro 的 1048576 上限而全部请求报 400 的事故,指出 /compact 需先发全量记录所以同样失败。
能拿走一套上下文超限的抢救顺序和两个 settings.json 配置,落到本地模型部署与软件工厂的长任务会话上;前提是接受输出预留从 128K 降到 64K,且 env 改动必须重启进程才生效。
作者给出一套在 TS 层自研的前端 Agent 编排引擎实现,覆盖 ReAct 图执行、工具注册、流式事件协议与生成式 UI。核心设计包括 AG-UI 风格事件类型、带 zod 校验和风险分级的 ToolRegistry、云端 deepseek-reasoner 与端侧 Qwen1.5-0.5B 混合规划,以及基于 IndexedDB 的检查点恢复。
能拿走一套 TS 自研前端 Agent 编排骨架,含事件协议、ToolRegistry 带 zod 校验与高危中断、ReAct 图与检查点,可落到软件工厂的智能后台和浏览器自动化;代价是 Planner 流式解析与恢复逻辑要自己补全。
「不用框架,手搓 AI Agent」系列第七篇给出工具报错后的自救与熔断实现,代码接在第六篇 Plan Mode 工程上,新增 src/context/recovery.ts 和 src/tool-runner.ts 并改 bash.ts、agent.ts 共 4 处。
能拿走错误分类表、调用指纹哈希和 3/6 双账本熔断的具体实现,接到手搓 Agent 的工具循环里,代价是 edit_file 报错文案与分类正则强耦合,改措辞要同步改规则。
文章以 DeepSeek《Super-agent 设计探索》的 Router/Worker 双层架构为蓝本,讲如何用事件驱动把任务起点从人身上移开,解决人只能同时跟进 3 到 5 个会话的注意力瓶颈。
能拿走两级过滤加路由表的事件调度骨架,代码可直接跑,落到软件工厂的告警、CI、日报自动化上;代价是慢路径语义判断要接真模型,且需自建事件中台和决策卡片。
作者复盘 AI 备课链路中 LLM 输出格式合法但业务不可用的问题,把失败拆成序列化、结构、业务三层,分别走定向重试、Schema 校验和局部重生成。文中给出 Pydantic 契约校验代码与多智能体状态机 YAML 配置,只回退出错节点而不重跑全链路。
能拿走三层失败分类、Pydantic 契约校验和状态机局部回退配置,落到软件工厂的生成链路;代价是业务层偏差仍需人工复核,并发上限得靠压测找质量拐点。
Hugging Face 发布 transformers-mic,提出模型集成契约(MIC)标准,把真实 checkpoint 缩成小 fixture 并在 CPU 上跑固定用法路径,与人工审核过的基线比对。
可照搬的是一套缩小真实 checkpoint 做 CPU 快速集成测试的配方,含四步缩模型、冻结基线、按改动文件选测试,代价是基线需人工审核且目前不阻塞 PR。
作者在干净的 Ubuntu 22.04 上从零实测 DeepSeek Harness 0.2.1-rc.5,用 npx 或全局 npm 两条命令装好,让它写 Markdown 表格转 CSV 工具,1 轮 11 步产出 5 个文件、+678 行、合计 632 行代码,3 个测试 328 ms 全绿。
能拿走 Node 22 门槛、npm 11 需 --allow-scripts 放行原生模块、headless 只认环境变量 Key 这三个坑,落到本地模型部署和软件工厂的 CI 环节,代价是预览版会有破坏性变更。
作者在 x86-64 + CUDA 后端上为 Qwen3.5-27B 的 MTP 投机草稿头完成 CPU 侧适配,梳理出 15 个张量(另 2 个与主模型共享)和 stem 加 1 层 full attention 加 1 层 FFN 的结构,模块级对拍 11 阶段 × 5 token 全部 PASS,max_rel 在 1.5e-6 到 3.4e-6。
能拿走 MTP 头 15 张量清单、stem 接线和四个写反也跑得动的口径点,落到本地模型部署的投机解码线上;代价是没有官方 oracle,基准得自己造,且只能证单侧笔误。
作者源码级拆解 E2B、CubeSandbox、OpenSandbox、agent-sandbox 四家沙箱的 Agent 进程执行与文件 API,按位置通道、进程、文件、有状态代码、安全五个维度逐家对照。
能拿走四家沙箱进程/文件 API 的逐项对照和自研清单,落到本地模型部署与 Agent 工具链选型;代价是要读源码级细节,且各家默认鉴权普遍偏弱,验收得盯默认路径。
作者复盘自己跑的规则先行、LLM 兜底的评测流程,5 条样本里 3 条规则满分被直接放行,其中一条实际答非所问,说明规则只能验证动作做了没有、验证不了问题有没有解决。
能拿走 only_on_rule_fail 的抽检配比改法,规则满分样本抽 5%、失败样本全审,成本只涨 7.5%;落到 Agent 评测线上,前提是接受裁判分数只做同裁判同批次的相对比较。
LangGraph 实战系列第 5 讲介绍让 LLM 稳定输出 JSON 的做法,即用 model.with_structured_output(Schema, method="function_calling") 把交卷伪装成一次 tool call,由 Pydantic schema 锁定字段、类型和枚举,返回类型化对象而无需手工解析。
能拿走 with_structured_output 配 Pydantic schema 强制结构化输出的写法,落到知识沉淀和 Agent 派单链路上;代价是 schema 每轮占输入 token,DeepSeek 只能走 function_calling。
作者用 Python 3.12 加 browser-use v0.13.14 给本地 AI 中控接上浏览器能力,记录了三个致命坑及解法。启动竞态改用自己拉起 Chromium 开远程调试端口、轮询 CDP 就绪后再交给框架,Windows 后台子进程一律 DEVNULL 防管道死锁,代理需显式加 --proxy-bypass-list=127.0.0.1,localhost。
能拿走 CDP-Connect 自拉 Chromium 再轮询端点、DEVNULL 防 Windows 管道死锁、代理 bypass 本地地址、验证码关键词兜底上限 2 次,落到本地模型部署与软件工厂的浏览器工具链,代价是单任务 1~3 分钟且需高指令跟随模型。
作者用 Hermes Agent 加 9 个 Python 脚本搭出一条小红书 AI 资讯自动发布流水线,从 2026-09-14 跑到 2026-11-02 共发出 35 篇,失败 3 次且均为模型侧超时。
可拿走 CDP 常驻 profile 保登录态、AX 树定位 shadow DOM 按钮、三级降级点击、三判据验收与幂等查重这套做法,落到内容发布产线;代价是登录态需人工维护、强依赖页面选择器。
作者把 6 岁小朋友的一句「想玩水浒、能选好汉、打高俅」原样交给 DSH(DeepSeek Harness)智能体,配合 DeepSeek V4.1 在不到 3 小时内从空目录生成可玩的 Unity 游戏《水泊梁山 · 一百单八将》,代码已开源。
可借鉴的是把 Unity 的 -batchmode、-runTests、-autotest、-shots 等命令行开关做成 Agent 自检回路,让它自己构建、截图、改错;代价是初始化顺序和材质缓存得自己管,且绑死 macOS 系统字体。
WorkBuddy 把专家做成插件目录包,用 init、validate、register、package 四个脚本完成创建与校验,人格正文经 ExpertPromptSlotCollector 填入 {{ PluginAgentPrompt }} 槽位并附 Role Override。
能拿走专家包目录结构、四个校验脚本和团队工具协议,落到多 Agent 编排线上;代价是规范层与运行时提示词互相矛盾,需两边一起改一起测。
作者复盘本地 AI 中控的离线语音识别与唤醒实践,记录三个坑及修法。
能拿走模型候选列表顺序即优先级加环境变量逃生舱、HF_ENDPOINT 镜像、GitHub 走 REST API 下 release、SAPI5 零子进程播报;落到本地模型部署和语音产线,代价是唤醒率与音质仍需本机实测。
作者用 DeepSeek V4.1 Flash 搭了一套写长篇小说的 LLM 应用,分控制层 8 环节状态机、约束层 26 张按环节加载的规则卡、记忆层四本台账,连续推进 260 章约 70 多万字,返修率约 8%。
能拿走三层架构(8 环节状态机、26 张按环节加载的规则卡、四本台账)和写回四约束、摘要固定字段拼装、裁剪顺序写死,落到小说创作与知识沉淀线;代价是短篇摊不平约 6 万字符固定开销,换题材要手动清台账。
作者用自写的 check_safety.py 对 browser-use 做只读静态扫描,421 个文本文件共 114348 行扫出 176 个 BLOCK、359 个 WARN,机器结论为 REJECT,但逐条复核后判定绝大多数命中是该框架的本职业务,最终有条件放行并接入使用。
能拿走两套正则规则库和 wrap_external 打标函数,落到本地模型部署与知识沉淀的第三方代码准入环节;代价是 176 条命中仍需人工逐条复核,二进制文件正则扫不到。