1. 項(xiàng)目概述KAIROS是什么最近在AI開(kāi)發(fā)圈里KAIROS這個(gè)名字開(kāi)始頻繁出現(xiàn)尤其是在討論如何構(gòu)建更智能、更自主的AI Agent時(shí)。如果你也和我一樣對(duì)讓AI不僅能回答問(wèn)題還能主動(dòng)規(guī)劃、執(zhí)行復(fù)雜任務(wù)感興趣那KAIROS絕對(duì)值得你花時(shí)間研究。簡(jiǎn)單來(lái)說(shuō)KAIROS是一個(gè)開(kāi)源的AI Agent框架它的核心目標(biāo)是“打開(kāi)時(shí)間之門(mén)”——這聽(tīng)起來(lái)有點(diǎn)玄乎但實(shí)際指的是賦予AI理解和處理時(shí)序性、多步驟任務(wù)的能力。傳統(tǒng)的AI對(duì)話模型你問(wèn)一句它答一句任務(wù)之間是割裂的。而KAIROS試圖讓AI擁有“記憶”和“計(jì)劃”能夠?qū)⒁粋€(gè)長(zhǎng)期目標(biāo)分解成一系列有序的步驟并像執(zhí)行項(xiàng)目一樣推進(jìn)這正是構(gòu)建實(shí)用AI Agent的關(guān)鍵。從技術(shù)棧來(lái)看KAIROS主要基于TypeScript/JavaScript生態(tài)通過(guò)npm進(jìn)行包管理這降低了前端和全棧開(kāi)發(fā)者的接入門(mén)檻。它深度集成了像Claude Code這類(lèi)先進(jìn)的代碼生成模型讓Agent不僅能思考還能直接動(dòng)手寫(xiě)代碼、調(diào)用API、操作文件系統(tǒng)從而實(shí)現(xiàn)真正的“自動(dòng)化”。我最初被它吸引就是因?yàn)閰捑肓耸謩?dòng)拼接各種API和寫(xiě)膠水代碼想找一個(gè)能統(tǒng)一管理AI任務(wù)流、狀態(tài)和工具調(diào)用的框架。在嘗試了市面上幾個(gè)方案后發(fā)現(xiàn)KAIROS在設(shè)計(jì)的清晰度和對(duì)復(fù)雜任務(wù)流的支持上做得相當(dāng)不錯(cuò)。那么KAIROS適合誰(shuí)呢首先是希望將AI能力深度集成到現(xiàn)有產(chǎn)品中的開(kāi)發(fā)者比如構(gòu)建智能客服、自動(dòng)化數(shù)據(jù)分析流水線、個(gè)人效率助手等。其次是對(duì)AI Agent架構(gòu)感興趣想學(xué)習(xí)如何設(shè)計(jì)一個(gè)能“自主”工作的系統(tǒng)的工程師。最后即使你只是個(gè)想嘗鮮的愛(ài)好者KAIROS相對(duì)清晰的文檔和基于Node.js的環(huán)境也能讓你快速跑起來(lái)一個(gè)demo親眼看看AI是如何一步步完成你交代的“多步驟作業(yè)”的。接下來(lái)我會(huì)結(jié)合自己的踩坑經(jīng)驗(yàn)帶你從零開(kāi)始拆解KAIROS的核心并搭建一個(gè)可運(yùn)行的實(shí)例。2. 核心架構(gòu)與設(shè)計(jì)理念拆解要理解KAIROS不能只把它當(dāng)成又一個(gè)調(diào)用大模型的SDK。它的設(shè)計(jì)背后有一套關(guān)于“時(shí)間”和“機(jī)構(gòu)”的思考這也是其名字的由來(lái)Kairos在古希臘語(yǔ)中意指“恰當(dāng)?shù)幕驔Q定性的時(shí)刻”。2.1 “時(shí)間感知”的任務(wù)引擎與許多簡(jiǎn)單的“輸入-輸出”型AI包裝庫(kù)不同KAIROS的核心是一個(gè)狀態(tài)化的任務(wù)執(zhí)行引擎。你可以把它想象成一個(gè)極其細(xì)心的項(xiàng)目經(jīng)理。當(dāng)你提出一個(gè)目標(biāo)比如“監(jiān)控某個(gè)API并每日生成報(bào)告”KAIROS不會(huì)一次性生成所有代碼。相反它的內(nèi)部工作流大致如下目標(biāo)解析與規(guī)劃框架會(huì)利用集成的LLM如Claude Code將你的自然語(yǔ)言目標(biāo)分解成一個(gè)任務(wù)圖Task Graph。這個(gè)圖里的節(jié)點(diǎn)是原子操作例如“獲取API密鑰”、“調(diào)用數(shù)據(jù)接口”、“清洗JSON數(shù)據(jù)”、“生成圖表”、“發(fā)送郵件”邊則代表了這些操作之間的依賴關(guān)系和時(shí)序順序。狀態(tài)管理與持久化每個(gè)任務(wù)節(jié)點(diǎn)都有明確的狀態(tài)待執(zhí)行、執(zhí)行中、成功、失敗。KAIROS會(huì)持久化這個(gè)狀態(tài)。這意味著即使程序中途崩潰重啟它也能從斷點(diǎn)繼續(xù)而不是從頭開(kāi)始。這對(duì)于需要運(yùn)行數(shù)小時(shí)甚至數(shù)天的自動(dòng)化任務(wù)至關(guān)重要。上下文傳遞與記憶上一個(gè)任務(wù)的輸出如何作為下一個(gè)任務(wù)的輸入KAIROS通過(guò)一個(gè)共享的“工作區(qū)”或“上下文”對(duì)象來(lái)管理。例如任務(wù)A獲取的data對(duì)象會(huì)被自動(dòng)注入到任務(wù)B的執(zhí)行環(huán)境中。同時(shí)框架還支持更長(zhǎng)期的“記憶”允許Agent記住之前幾次運(yùn)行的歷史和結(jié)果用于優(yōu)化未來(lái)的決策。這種設(shè)計(jì)使得KAIROS Agent能夠處理開(kāi)放式目標(biāo)。你不需要在代碼里顯式定義每一步的細(xì)節(jié)只需要給出方向和約束Agent會(huì)自己“想”出實(shí)現(xiàn)路徑。這離我們理想中“交代一件事然后等結(jié)果”的智能助理更近了一步。2.2 基于TypeScript的強(qiáng)類(lèi)型開(kāi)發(fā)體驗(yàn)KAIROS選擇TypeScript作為主要開(kāi)發(fā)語(yǔ)言這是一個(gè)非常明智的決定。構(gòu)建AI Agent涉及大量動(dòng)態(tài)數(shù)據(jù)LLM的響應(yīng)、不同工具函數(shù)的輸入輸出、不斷變化的任務(wù)狀態(tài)。如果沒(méi)有類(lèi)型約束代碼很快就會(huì)變成難以調(diào)試的“字符串魔法”。KAIROS通過(guò)TS泛型和接口為任務(wù)、工具、記憶等核心概念提供了清晰的類(lèi)型定義。例如當(dāng)你定義一個(gè)用于獲取天氣的工具時(shí)你可以精確指定它的輸入?yún)?shù)類(lèi)型{city: string}和輸出類(lèi)型{temp: number, condition: string}。這樣在其他任務(wù)中調(diào)用這個(gè)工具時(shí)你能獲得完整的代碼提示和編譯時(shí)類(lèi)型檢查大大減少了運(yùn)行時(shí)錯(cuò)誤。實(shí)操心得剛開(kāi)始可能會(huì)覺(jué)得定義這些類(lèi)型有些繁瑣但一旦項(xiàng)目復(fù)雜度上來(lái)你會(huì)感謝這些類(lèi)型提示。它能幫你提前發(fā)現(xiàn)許多邏輯錯(cuò)誤比如錯(cuò)誤地傳遞了一個(gè)string給期望number的參數(shù)這在純JavaScript環(huán)境下可能要等到運(yùn)行時(shí)調(diào)用LLM失敗才能發(fā)現(xiàn)。2.3 工具Tools作為能力的延伸“工具”是KAIROS Agent與外部世界交互的手和腳。一個(gè)只會(huì)思考的LLM是“癱瘓”的而工具賦予了它行動(dòng)力。KAIROS的工具系統(tǒng)非常靈活內(nèi)置工具框架可能提供一些通用工具如文件讀寫(xiě)、網(wǎng)絡(luò)請(qǐng)求、執(zhí)行Shell命令等。自定義工具這是發(fā)揮創(chuàng)造力的地方。你可以將任何函數(shù)封裝成工具無(wú)論是調(diào)用內(nèi)部數(shù)據(jù)庫(kù)、操作第三方SaaS API如Slack、Notion還是控制智能硬件。工具的動(dòng)態(tài)選擇Agent在規(guī)劃任務(wù)時(shí)會(huì)根據(jù)當(dāng)前目標(biāo)和上下文從注冊(cè)的工具庫(kù)中動(dòng)態(tài)選擇最合適的工具來(lái)使用。這就像是給Agent配備了一個(gè)多功能工具箱它自己決定什么時(shí)候用扳手什么時(shí)候用螺絲刀。在實(shí)現(xiàn)上定義一個(gè)工具通常包括工具名稱、描述、輸入?yún)?shù)schema、以及具體的執(zhí)行函數(shù)。清晰的描述對(duì)于LLM能否正確選擇和使用該工具至關(guān)重要。3. 從零開(kāi)始環(huán)境搭建與初始化實(shí)戰(zhàn)理論講得再多不如動(dòng)手跑一遍。這里我會(huì)詳細(xì)記錄搭建KAIROS開(kāi)發(fā)環(huán)境的全過(guò)程包括你可能遇到的那些坑。3.1 基礎(chǔ)環(huán)境準(zhǔn)備N(xiāo)ode.js與npmKAIROS運(yùn)行在Node.js環(huán)境上。首先確保你的系統(tǒng)安裝了合適的Node.js版本建議LTS版本如18.x或20.x。你可以通過(guò)終端命令檢查node --version npm --version如果未安裝請(qǐng)前往Node.js官網(wǎng)下載安裝包。安裝完成后一個(gè)常見(jiàn)的“新手坑”是關(guān)于npm腳本執(zhí)行策略的問(wèn)題尤其是在Windows系統(tǒng)上。問(wèn)題npm : 無(wú)法加載文件...因?yàn)樵诖讼到y(tǒng)上禁止運(yùn)行腳本當(dāng)你嘗試運(yùn)行npm install -g某個(gè)包或者執(zhí)行項(xiàng)目npm腳本時(shí)在Windows PowerShell中可能會(huì)遇到這個(gè)錯(cuò)誤。這是因?yàn)镻owerShell的執(zhí)行策略默認(rèn)禁止運(yùn)行腳本。解決方案以管理員身份打開(kāi)PowerShell。執(zhí)行命令Set-ExecutionPolicy RemoteSigned。系統(tǒng)會(huì)詢問(wèn)你是否更改策略輸入Y確認(rèn)。完成后關(guān)閉并重新打開(kāi)終端即可。當(dāng)然你也可以選擇使用Windows Terminal、CMD或者Git Bash它們可能不受此策略影響。我個(gè)人更推薦使用Git Bash或WSL2Windows Subsystem for Linux來(lái)獲得更接近Linux的開(kāi)發(fā)體驗(yàn)?zāi)鼙苊夂芏嗦窂胶蜋?quán)限相關(guān)的怪問(wèn)題。3.2 創(chuàng)建項(xiàng)目與安裝依賴假設(shè)我們要?jiǎng)?chuàng)建一個(gè)名為my-kairos-agent的新項(xiàng)目。# 創(chuàng)建一個(gè)新目錄并進(jìn)入 mkdir my-kairos-agent cd my-kairos-agent # 初始化npm項(xiàng)目一路回車(chē)或按需填寫(xiě)信息 npm init -y # 安裝TypeScript和必要的類(lèi)型定義開(kāi)發(fā)依賴 npm install -D typescript types/node # 初始化TypeScript配置 npx tsc --init現(xiàn)在打開(kāi)生成的tsconfig.json文件。KAIROS對(duì)模塊系統(tǒng)等有一定要求我們需要調(diào)整一些配置。一個(gè)比較通用的配置如下{ compilerOptions: { target: ES2022, module: commonjs, lib: [ES2022], outDir: ./dist, rootDir: ./src, strict: true, esModuleInterop: true, skipLibCheck: true, forceConsistentCasingInFileNames: true, resolveJsonModule: true, declaration: true, declarationMap: true, sourceMap: true }, include: [src/**/*], exclude: [node_modules, dist] }注意你可能會(huì)在舊項(xiàng)目或教程中看到baseUrl選項(xiàng)。在TypeScript 5.0的版本中baseUrl的行為已被整合且與paths選項(xiàng)的配合方式有變化。如果你的配置中有baseUrl: .且沒(méi)有使用paths通常可以保留但若遇到模塊解析問(wèn)題可以嘗試移除。TS官方文檔提示某些用法可能在將來(lái)被調(diào)整但目前無(wú)需過(guò)度擔(dān)心。接下來(lái)安裝KAIROS核心包。由于KAIROS可能還在快速迭代中請(qǐng)務(wù)必查閱其官方GitHub倉(cāng)庫(kù)或文檔獲取最新的安裝命令。假設(shè)包名是kairos/agentnpm install kairos/agent同時(shí)我們還需要一個(gè)LLM提供商。框架可能支持多種LLM這里以集成Anthropic的Claude API為例你需要擁有相應(yīng)的API密鑰npm install anthropic-ai/sdk # 或者安裝OpenAI的SDK如果KAIROS也支持的話 # npm install openai3.3 解決典型的npm依賴安裝錯(cuò)誤在安裝過(guò)程中你可能會(huì)遇到各種依賴錯(cuò)誤。其中一個(gè)近期常見(jiàn)的錯(cuò)誤與rollup/rollup-linux-x64-gnu相關(guān)。問(wèn)題error: cannot find module rollup/rollup-linux-x64-gnu. npm has a bug related to optional dependencies這個(gè)錯(cuò)誤通常發(fā)生在Linux系統(tǒng)或者Windows的WSL環(huán)境中。它源于npm在處理某些包的可選依賴optional dependencies時(shí)的一個(gè)bug。rollup是一個(gè)打包工具某些包會(huì)依賴它作為可選依賴用于生產(chǎn)環(huán)境的構(gòu)建。當(dāng)npm嘗試安裝這個(gè)可選平臺(tái)特定包失敗時(shí)可能會(huì)錯(cuò)誤地導(dǎo)致整個(gè)安裝過(guò)程中斷。解決方案清理緩存并重試這是最簡(jiǎn)單的方法。npm cache clean --force rm -rf node_modules package-lock.json npm install忽略可選依賴如果上述方法不行可以嘗試在安裝時(shí)忽略可選依賴。但請(qǐng)注意這可能導(dǎo)致某些功能缺失。npm install --no-optional使用更穩(wěn)定的包管理器考慮換用yarn或pnpm。它們對(duì)依賴解析的處理方式不同有時(shí)能繞過(guò)npm的這個(gè)問(wèn)題。# 安裝yarn npm install -g yarn # 然后用yarn安裝依賴 yarn install手動(dòng)指定Rollup版本臨時(shí)方案在package.json中添加一個(gè)對(duì)穩(wěn)定版本Rollup的顯式依賴有時(shí)可以解決沖突。npm install rollup^3.29.4 --save-dev然后再重新安裝主依賴。根據(jù)我的經(jīng)驗(yàn)方案1和方案3的成功率最高。如果是在CI/CD流水線中遇到此問(wèn)題確保構(gòu)建環(huán)境中的npm版本較新或者直接切換到y(tǒng)arn或pnpm。3.4 配置API密鑰與環(huán)境變量AI應(yīng)用離不開(kāi)API密鑰。永遠(yuǎn)不要將密鑰硬編碼在代碼中標(biāo)準(zhǔn)做法是使用環(huán)境變量。在項(xiàng)目根目錄創(chuàng)建一個(gè).env文件。在文件中添加你的密鑰例如ANTHROPIC_API_KEYyour_actual_api_key_here # 如果也用OpenAI OPENAI_API_KEYyour_openai_key_here安裝dotenv包以便在代碼中加載這些變量。npm install dotenv在你的應(yīng)用入口文件如src/index.ts的最頂部加載配置import * as dotenv from dotenv; dotenv.config(); // 現(xiàn)在可以通過(guò) process.env 訪問(wèn)了 const apiKey process.env.ANTHROPIC_API_KEY; if (!apiKey) { throw new Error(請(qǐng)?jiān)O(shè)置 ANTHROPIC_API_KEY 環(huán)境變量); }同時(shí)建議將.env添加到你的.gitignore文件中避免意外提交密鑰。4. 構(gòu)建你的第一個(gè)KAIROS Agent一個(gè)智能文檔分析助手環(huán)境準(zhǔn)備好了讓我們來(lái)實(shí)際構(gòu)建一個(gè)能干的Agent。假設(shè)我們的目標(biāo)是創(chuàng)建一個(gè)助手它能根據(jù)用戶提出的問(wèn)題自動(dòng)在指定的文檔目錄中查找相關(guān)信息并給出綜合答案。4.1 定義Agent的核心組件在src目錄下創(chuàng)建主要文件例如src/document-agent.ts。首先我們需要導(dǎo)入KAIROS的核心類(lèi)并初始化Agent。這里假設(shè)KAIROS的API設(shè)計(jì)如下具體請(qǐng)以官方文檔為準(zhǔn)import { Agent, Task, Memory, Tool } from kairos/agent; import { Anthropic } from anthropic-ai/sdk; // 1. 初始化LLM客戶端 const llmClient new Anthropic({ apiKey: process.env.ANTHROPIC_API_KEY!, }); // 2. 創(chuàng)建Agent實(shí)例 const myAgent new Agent({ name: 文檔分析助手, model: llmClient, // 傳入配置好的LLM客戶端 systemPrompt: 你是一個(gè)專業(yè)的文檔分析助手。你的任務(wù)是理解用戶的問(wèn)題然后有邏輯地在提供的文檔庫(kù)中搜索相關(guān)信息最后組織成清晰、準(zhǔn)確的答案。如果信息不足請(qǐng)明確說(shuō)明。, });4.2 創(chuàng)建自定義工具文件搜索Agent需要“眼睛”來(lái)閱讀文檔。我們創(chuàng)建一個(gè)搜索本地文件內(nèi)容的工具。這里使用Node.js的fs和path模塊并假設(shè)文檔都是純文本或Markdown文件。import * as fs from fs/promises; import * as path from path; // 定義工具搜索文檔目錄 const documentSearchTool: Tool { name: search_documents, description: 在指定的文檔目錄中搜索包含特定關(guān)鍵詞的文件內(nèi)容。返回匹配的文件路徑和摘要。, inputSchema: { type: object, properties: { query: { type: string, description: 要搜索的關(guān)鍵詞或短語(yǔ) }, directory: { type: string, description: 要搜索的文檔目錄路徑, default: ./docs } }, required: [query] }, execute: async ({ query, directory ./docs }) { const results []; try { const files await fs.readdir(directory, { withFileTypes: true }); for (const file of files) { if (file.isFile() (file.name.endsWith(.md) || file.name.endsWith(.txt))) { const filePath path.join(directory, file.name); const content await fs.readFile(filePath, utf-8); // 簡(jiǎn)單的關(guān)鍵詞匹配實(shí)際應(yīng)用中可用更復(fù)雜的全文檢索引擎如Lunr.js if (content.toLowerCase().includes(query.toLowerCase())) { // 提取匹配內(nèi)容周?chē)囊欢挝淖肿鳛樯舷挛?const index content.toLowerCase().indexOf(query.toLowerCase()); const start Math.max(0, index - 150); const end Math.min(content.length, index query.length 150); const snippet content.substring(start, end); results.push({ file: file.name, path: filePath, snippet: ...${snippet}..., relevance: high // 簡(jiǎn)單示例實(shí)際可計(jì)算匹配度 }); } } } return { success: true, data: results, message: 找到 ${results.length} 個(gè)相關(guān)文檔。 }; } catch (error) { return { success: false, error: 搜索失敗: ${error.message} }; } } }; // 將工具注冊(cè)給Agent myAgent.registerTool(documentSearchTool);4.3 定義任務(wù)與工作流現(xiàn)在我們需要告訴Agent如何利用這個(gè)工具來(lái)完成任務(wù)。我們定義一個(gè)主任務(wù)它包含規(guī)劃、執(zhí)行、總結(jié)三個(gè)邏輯階段。// 定義主任務(wù) const documentQATask: Task { id: document_qa, description: 回答用戶關(guān)于文檔庫(kù)的問(wèn)題, // 任務(wù)的初始輸入通常來(lái)自用戶 input: (userQuestion: string) ({ question: userQuestion }), // 執(zhí)行步驟這里簡(jiǎn)化實(shí)際KAIROS可能用更聲明式的方式定義流程 steps: [ { name: 分析與規(guī)劃, execute: async (ctx) { // 讓LLM分析問(wèn)題提取搜索關(guān)鍵詞 const analysis await myAgent.think(用戶的問(wèn)題是“${ctx.input.question}”。請(qǐng)分析這個(gè)問(wèn)題提取出2-3個(gè)最核心的、用于文檔搜索的關(guān)鍵詞。); ctx.state.keywords analysis.keywords; // 假設(shè)LLM返回結(jié)構(gòu)化數(shù)據(jù) return 已提取關(guān)鍵詞${ctx.state.keywords.join(, )}; } }, { name: 執(zhí)行搜索, execute: async (ctx) { const allResults []; for (const keyword of ctx.state.keywords) { const searchResult await myAgent.useTool(search_documents, { query: keyword }); if (searchResult.success) { allResults.push(...searchResult.data); } } ctx.state.searchResults allResults; return 共檢索到 ${allResults.length} 條相關(guān)信息。; } }, { name: 綜合與回答, execute: async (ctx) { // 將檢索到的信息和原始問(wèn)題交給LLM生成最終答案 const context ctx.state.searchResults.map(r 文件【${r.file}】中提及${r.snippet}).join(\n\n); const finalAnswer await myAgent.think( 基于以下檢索到的信息請(qǐng)專業(yè)、清晰地回答用戶的問(wèn)題。 用戶問(wèn)題${ctx.input.question} 檢索到的信息 ${context} 如果信息不足以完全回答問(wèn)題請(qǐng)說(shuō)明已知部分并指出缺失信息。 ); ctx.state.finalAnswer finalAnswer; return 已生成最終答案。; } } ], // 任務(wù)輸出 output: (ctx) ctx.state.finalAnswer }; // 將任務(wù)注冊(cè)給Agent myAgent.registerTask(documentQATask);4.4 運(yùn)行與測(cè)試Agent最后我們創(chuàng)建一個(gè)主函數(shù)來(lái)啟動(dòng)這個(gè)Agent并提問(wèn)。// src/index.ts import { myAgent } from ./document-agent; async function main() { console.log(文檔分析助手啟動(dòng)...\n); const userQuestion 我們公司的項(xiàng)目上線流程具體有哪些步驟; console.log(用戶問(wèn)題${userQuestion}\n); try { // 執(zhí)行我們定義的任務(wù) const result await myAgent.runTask(document_qa, userQuestion); console.log(助手回答); console.log(---); console.log(result); console.log(---\n); console.log(任務(wù)完成); } catch (error) { console.error(任務(wù)執(zhí)行失敗, error); } } main();在package.json中添加一個(gè)啟動(dòng)腳本{ scripts: { start: ts-node src/index.ts, build: tsc } }運(yùn)行npm install -D ts-node安裝開(kāi)發(fā)執(zhí)行器然后就可以用npm start來(lái)啟動(dòng)你的第一個(gè)AI Agent了5. 進(jìn)階集成Claude Code與技能Skill開(kāi)發(fā)基礎(chǔ)的文檔搜索工具展示了如何讓Agent“讀”文件。但一個(gè)強(qiáng)大的Agent還應(yīng)該能“寫(xiě)”和“改”這就是代碼生成模型的用武之地。KAIROS可以深度集成像Claude Code這樣的專門(mén)代碼模型將代碼生成作為一種核心技能Skill。5.1 理解Skill與Tool的區(qū)別在KAIROS的語(yǔ)境中Tool工具通常指一個(gè)具體的、確定性的函數(shù)比如搜索文件、調(diào)用API。而Skill技能可能更抽象、更復(fù)雜它可能包含多次LLM調(diào)用、內(nèi)部狀態(tài)和一系列工具使用的組合。例如“重構(gòu)一段代碼”可以是一個(gè)Skill它內(nèi)部可能包含“分析代碼”、“生成重構(gòu)計(jì)劃”、“應(yīng)用重構(gòu)更改”等多個(gè)步驟并可能需要調(diào)用代碼編輯工具。集成Claude Code本質(zhì)上就是為Agent添加了“編寫(xiě)和修改代碼”的超級(jí)Skill。5.2 配置Claude Code作為專用模型在初始化Agent時(shí)我們可以配置多個(gè)模型并為不同類(lèi)型的任務(wù)分配不同的模型。對(duì)于需要高代碼生成能力的步驟我們指定使用Claude Code。import { Agent, ModelRouter } from kairos/agent; import { Anthropic } from anthropic-ai/sdk; const anthropic new Anthropic({ apiKey: process.env.ANTHROPIC_API_KEY! }); // 創(chuàng)建一個(gè)模型路由器 const modelRouter new ModelRouter({ defaultModel: anthropic, // 默認(rèn)使用通用的Claude模型 routes: [ { // 當(dāng)任務(wù)或技能標(biāo)記為需要“代碼生成”時(shí)使用Claude Code condition: (context) context.tags?.includes(code_generation), model: anthropic, // 實(shí)際使用時(shí)需指定Claude Code的特定模型ID例如 claude-3-5-sonnet-code modelOptions: { maxTokens: 4096 } // 為代碼生成分配更多token } ] }); const codeAwareAgent new Agent({ name: 代碼專家Agent, modelRouter: modelRouter, // 使用路由器而非單一模型 });5.3 開(kāi)發(fā)一個(gè)代碼重構(gòu)Skill讓我們開(kāi)發(fā)一個(gè)具體的SkillcodeRefactorSkill。這個(gè)Skill接收一段代碼和一個(gè)指令如“優(yōu)化性能”、“提高可讀性”然后輸出重構(gòu)后的代碼。const codeRefactorSkill { name: code_refactor, description: 分析并重構(gòu)給定的代碼以改進(jìn)其性能、可讀性或遵循最佳實(shí)踐。, inputSchema: { type: object, properties: { code: { type: string, description: 需要重構(gòu)的源代碼 }, language: { type: string, description: 編程語(yǔ)言如 javascript, python, default: javascript }, goal: { type: string, description: 重構(gòu)目標(biāo)如“提高性能”、“增加注釋”、“模塊化” } }, required: [code, goal] }, execute: async (ctx, agent) { // 步驟1分析代碼現(xiàn)狀 const analysisPrompt 你是一個(gè)資深的${ctx.input.language}開(kāi)發(fā)專家。請(qǐng)分析以下代碼 \\\${ctx.input.language} ${ctx.input.code} \\\ 請(qǐng)從${ctx.input.goal}的角度指出這段代碼可以改進(jìn)的3個(gè)主要方面。請(qǐng)以JSON格式輸出{issues: [{description: ..., suggestion: ...}, ...]} ; const analysisResult await agent.think(analysisPrompt, { tags: [code_analysis] }); const issues JSON.parse(analysisResult).issues; ctx.state.analysis issues; // 步驟2生成重構(gòu)計(jì)劃 const planPrompt 基于以上分析${issues.map(i i.description).join(; )}請(qǐng)制定一個(gè)具體的重構(gòu)計(jì)劃。計(jì)劃應(yīng)分步驟并說(shuō)明每一步如何解決上述問(wèn)題。 輸出格式{plan: [步驟1: ..., 步驟2: ...]} ; const planResult await agent.think(planPrompt, { tags: [planning] }); ctx.state.plan JSON.parse(planResult).plan; // 步驟3執(zhí)行重構(gòu)生成新代碼這里使用Claude Code的核心步驟 const refactorPrompt 請(qǐng)嚴(yán)格遵循以下重構(gòu)計(jì)劃直接輸出重構(gòu)后的完整代碼不要包含任何解釋。 原始代碼 \\\${ctx.input.language} ${ctx.input.code} \\\ 重構(gòu)計(jì)劃 ${ctx.state.plan.join(\n)} 重構(gòu)后的代碼 ; const refactoredCode await agent.think(refactorPrompt, { tags: [code_generation] }); // 觸發(fā)使用Claude Code模型 // 步驟4可選驗(yàn)證與測(cè)試生成 // 可以在這里添加一個(gè)步驟讓LLM為新代碼生成簡(jiǎn)單的單元測(cè)試或進(jìn)行邏輯一致性檢查。 return { success: true, data: { originalCode: ctx.input.code, refactoredCode: refactoredCode, analysis: ctx.state.analysis, plan: ctx.state.plan } }; } }; // 注冊(cè)技能 codeAwareAgent.registerSkill(codeRefactorSkill);這個(gè)Skill展示了多步驟、多模型協(xié)作的典型模式。分析階段可能用通用模型就夠了但最終的代碼生成階段通過(guò)打上code_generation標(biāo)簽路由到Claude Code能獲得質(zhì)量高得多的輸出。5.4 在任務(wù)中調(diào)用Skill現(xiàn)在我們可以在一個(gè)更復(fù)雜的任務(wù)中調(diào)用這個(gè)技能。例如一個(gè)“自動(dòng)化代碼審查”任務(wù)它先檢查代碼庫(kù)然后對(duì)有問(wèn)題文件調(diào)用重構(gòu)技能。const autoCodeReviewTask: Task { id: auto_code_review, description: 自動(dòng)掃描指定目錄的代碼并提出重構(gòu)建議, // ... 其他配置 steps: [ // ... 步驟1使用工具掃描目錄找出可能需改進(jìn)的文件 { name: 重構(gòu)關(guān)鍵文件, execute: async (ctx) { const filesToRefactor ctx.state.filesNeedingImprovement; // 假設(shè)上一步得到了這個(gè)列表 const results []; for (const file of filesToRefactor.slice(0, 3)) { // 示例只處理前3個(gè) const code await fs.readFile(file.path, utf-8); const refactorResult await codeAwareAgent.useSkill(code_refactor, { code, language: file.language, goal: 提高可讀性和維護(hù)性 }); if (refactorResult.success) { results.push({ file: file.name, suggestion: refactorResult.data.analysis, newCode: refactorResult.data.refactoredCode }); } } ctx.state.refactorSuggestions results; return 已為 ${results.length} 個(gè)文件生成重構(gòu)建議。; } } // ... 后續(xù)步驟生成報(bào)告等 ] };通過(guò)這種方式你將一個(gè)復(fù)雜的代碼審查流程拆解成了Agent可以自主執(zhí)行的標(biāo)準(zhǔn)化任務(wù)鏈。6. 部署、調(diào)試與性能優(yōu)化讓Agent在本地跑起來(lái)只是第一步。要讓它真正可用我們需要考慮如何部署、如何調(diào)試其復(fù)雜的決策過(guò)程以及如何優(yōu)化其性能和成本。6.1 打包與部署對(duì)于Node.js項(xiàng)目部署前需要將TypeScript編譯成JavaScript。構(gòu)建運(yùn)行npm run build對(duì)應(yīng)我們之前配置的tsc命令這會(huì)在dist目錄生成編譯后的JS文件。生產(chǎn)環(huán)境依賴確保package.json中的dependencies和devDependencies區(qū)分正確。運(yùn)行npm install --production或yarn install --production可以只安裝生產(chǎn)依賴減少部署體積。進(jìn)程管理對(duì)于長(zhǎng)期運(yùn)行的后臺(tái)Agent你需要一個(gè)進(jìn)程管理器來(lái)保證其穩(wěn)定運(yùn)行并在崩潰后重啟。常用的有PM2功能強(qiáng)大適合生產(chǎn)環(huán)境。pm2 start dist/index.js --name my-agentDocker提供完全一致的環(huán)境。編寫(xiě)Dockerfile將構(gòu)建好的dist和node_modules打包進(jìn)鏡像。環(huán)境變量在部署服務(wù)器上通過(guò)系統(tǒng)環(huán)境變量、Docker secrets或云服務(wù)提供的密鑰管理服務(wù)如AWS Secrets Manager來(lái)安全地設(shè)置API_KEY等敏感信息。6.2 調(diào)試與可觀測(cè)性AI Agent的“黑盒”特性使得調(diào)試比傳統(tǒng)程序更困難。以下是幾種有效方法結(jié)構(gòu)化日志在Agent的每個(gè)關(guān)鍵步驟任務(wù)開(kāi)始/結(jié)束、工具調(diào)用、LLM請(qǐng)求/響應(yīng)都輸出詳細(xì)的、結(jié)構(gòu)化的日志?？梢允褂脀inston或pino這類(lèi)日志庫(kù)并輸出為JSON格式便于后續(xù)用ELK等工具分析。logger.info(Tool executed, { toolName: search_documents, input: { query }, output: result, duration }); logger.debug(LLM request, { prompt: abbreviatedPrompt, model });狀態(tài)快照定期或在任務(wù)關(guān)鍵節(jié)點(diǎn)將Agent的完整狀態(tài)工作區(qū)、記憶、任務(wù)棧持久化到文件或數(shù)據(jù)庫(kù)。當(dāng)出現(xiàn)意外結(jié)果時(shí)可以回放狀態(tài)進(jìn)行分析。交互式調(diào)試為開(kāi)發(fā)環(huán)境設(shè)計(jì)一個(gè)“暫?！被颉皢尾綀?zhí)行”模式。讓Agent在每步執(zhí)行前等待確認(rèn)并允許你手動(dòng)修改其內(nèi)部狀態(tài)或下一步指令。這能幫你深入理解Agent的決策邏輯。6.3 性能與成本優(yōu)化LLM API調(diào)用是主要的耗時(shí)和成本來(lái)源。優(yōu)化策略包括減少Token消耗系統(tǒng)提示詞精煉反復(fù)打磨systemPrompt用最簡(jiǎn)潔的語(yǔ)言明確角色和規(guī)則。上下文管理KAIROS的記憶系統(tǒng)是關(guān)鍵。只將真正相關(guān)的歷史對(duì)話和任務(wù)上下文放入給LLM的提示中避免攜帶無(wú)關(guān)的“記憶包袱”?？梢栽O(shè)置記憶的自動(dòng)摘要或滾動(dòng)窗口。輸出結(jié)構(gòu)化要求LLM以JSON等特定格式輸出可以減少它“自由發(fā)揮”帶來(lái)的冗余文本。我們?cè)谏厦娴腟kill示例中已經(jīng)這樣做了。異步與并行如果任務(wù)中的多個(gè)步驟沒(méi)有依賴關(guān)系可以考慮讓它們并行執(zhí)行。KAIROS的任務(wù)圖引擎應(yīng)支持這種并行化。例如一個(gè)需要從三個(gè)獨(dú)立API獲取數(shù)據(jù)的任務(wù)可以同時(shí)發(fā)起三個(gè)請(qǐng)求。緩存對(duì)于頻繁出現(xiàn)的、結(jié)果確定的查詢例如“今天的天氣如何”在短時(shí)間內(nèi)是相同的可以將LLM的響應(yīng)緩存起來(lái)?？梢栽诠ぞ邔踊駻gent的思考層實(shí)現(xiàn)緩存。注意緩存要有合適的過(guò)期策略。模型分級(jí)使用正如我們之前用ModelRouter所做的將簡(jiǎn)單任務(wù)如文本分類(lèi)、格式檢查交給更小、更快的模型如GPT-3.5 Turbo將復(fù)雜任務(wù)如代碼生成、深度推理交給更大、更貴的模型如Claude 3.5 Sonnet。這需要在效果和成本間取得平衡。設(shè)置預(yù)算與熔斷在代碼中集成監(jiān)控跟蹤每個(gè)任務(wù)消耗的Token數(shù)和API成本。當(dāng)日消耗或單次任務(wù)消耗超過(guò)閾值時(shí)自動(dòng)暫停或降級(jí)服務(wù)避免意外的高額賬單。構(gòu)建一個(gè)成熟的AI Agent系統(tǒng)是一個(gè)持續(xù)迭代的過(guò)程。從簡(jiǎn)單的原型開(kāi)始逐步增加工具和技能完善其決策邏輯并圍繞它構(gòu)建監(jiān)控、運(yùn)維體系。KAIROS這樣的框架提供了堅(jiān)實(shí)的基礎(chǔ)設(shè)施讓你能更專注于Agent本身的能力設(shè)計(jì)和業(yè)務(wù)邏輯實(shí)現(xiàn)。