跨框架的模式和实践深度分析,按仓库类别组织。
Agent Harness(30 篇)
Agent 框架和编排工具的模式分析。
| 主题 | 描述 | 文档数 |
|---|---|---|
| 流式处理 | 异步流式、WebSocket 模式和实时通信 | 9 |
| 错误处理 | 结构化错误、重试策略和弹性模式 | 1 |
| 上下文管理 | 会话历史、上下文转换和内存模式 | 4 |
| 类型安全 | 类型安全的消息层次结构和序列化模式 | 1 |
| 中间件 | 回调和可扩展性系统 | 1 |
| 并发 | 状态快照和并发模式 | 1 |
| 架构 | 框架架构分析和设计模式 | 5 |
| 抽象层 | LLM 抽象层比较和 SDK 模式 | 3 |
| WebSocket | WebSocket 协议比较 | 1 |
| 机器人技术 | 机器人运动控制和 Embodied AI 模式 | 3 |
Agent Evaluation(4 篇)
Agent 评估和测试框架的模式分析。
| 主题 | 描述 | 文档数 |
|---|---|---|
| Seed-driven Evaluation | 基于 Seed 的自适应行为评估模式 | 1 |
| Production Tracing & Eval | 生产级 trace 与可定制评估方案 | 3 |
| 文档 | 描述 | 优先级 |
|---|---|---|
| Opik Bloom 集成 | 评估框架与观测平台集成 | P1 |
潜在主题:
- 基准测试框架设计
- Agent 行为评估指标
- 安全性评估方法
- 对抗性测试
VAD(1 篇)
语音活动检测(Voice Activity Detection)技术分析。
| 主题 | 描述 | 文档数 |
|---|---|---|
| VAD 架构 | Silero VAD 实现、CPU 部署、模块协作 | 1 |
Agent Training(0 篇)
Agent 训练和微调相关的学习笔记。
暂无文档 - 待添加
潜在主题:
- RLHF 实现模式
- 指令微调策略
- 多轮对话训练
- 模型评估与迭代
| 优先级 | 文档 | 类别 | 主题 |
|---|---|---|---|
| P0 | 错误恢复与上下文无损 | Harness | 生产弹性 |
| P0 | 异步流式一等公民 | Harness | 核心抽象 |
| P0 | 类型化消息部件 | Harness | 类型安全 |
| P0 | 分层运动系统 | Harness | 机器人控制 |
| P0 | 机器人情绪系统设计 | Harness | 机器人情绪 |
| P0 | AgentScope 实时语音 | Harness | 实时交互 |
| P0 | LiveKit Agents 双工管道 | Harness | 实时语音管道 |
| P0 | FlushSentinel 与 PREFLIGHT 抢占机制 | Harness | 低延迟优化机制 |
| P1 | Bloom: Seed-driven 行为评估 | Evaluation | 安全评估 |
| P1 | Opik Bloom 集成 | Evaluation | 评估集成 |
| P1 | 结构化错误与重试 | Harness | 生产健壮性 |
| P1 | Codex 错误处理与流中断 | Harness | 错误处理 |
| P1 | 流式工具组装 | Harness | 流式处理 |
| P1 | Codex LLM 抽象层 | Harness | 架构设计 |
| P1 | Codex 流式处理 | Harness | 流式架构 |
| P1 | Codex 上下文管理 | Harness | 上下文管理 |
| P1 | LiveKit VAD 架构 | VAD | VAD 架构 |
| P1 | Kameo Request 与 Tool Call 对比 | Harness | Actor 请求模式 |
| P1 | Kameo Request 与 Mailbox 设计 | Harness | Actor 架构 |
| P1 | Kameo Mailbox 满/超时错误处理 | Harness | Actor 错误处理 |
| P2 | 上下文管理双模式 | Harness | 状态管理 |
| P2 | 上下文转换比较 | Harness | 上下文转换 |
| P2 | 会话历史管理 | Harness | 会话管理 |
| P2 | 中间件/回调系统 | Harness | 可扩展性 |
| P2 | 状态快照并发 | Harness | 并发 |
| P2 | Kimi CLI 架构 | Harness | 架构设计 |
| P2 | Republic Anchor 机制 | Harness | 上下文切片 |
| P2 | 流式比较 | Harness | 流式对比 |
| P2 | WebSocket 流式支持 | Harness | WebSocket |
| P2 | OpenAI WebSocket 比较 | Harness | WebSocket |
| P2 | LLM 抽象比较 | Harness | 抽象设计 |
| P2 | LLM 调用返回封装 | Harness | SDK 模式 |
| P2 | LLM 框架比较 | Harness | 框架对比 |
docs/learns/
├── harness/ # Agent 框架相关
│ └── <主题>/ # 已有主题或新建
├── evaluation/ # Agent 评估相关
│ └── <主题>/ # 待创建
└── training/ # Agent 训练相关
└── <主题>/ # 待创建
-
选择父类别:
harness- 框架模式、架构设计evaluation- 测试方法、评估指标training- 训练策略、微调技术
-
选择或创建主题:在对应父类别下选择现有主题或创建新主题目录
-
编写文档:遵循 学习笔记模板
-
更新索引:
- 在父类别 README 中添加条目
- 更新本文件的主索引
添加关于 Bloom 评估框架的学习笔记:
# 1. 创建主题目录
mkdir -p docs/learns/evaluation/backdoor-detection
# 2. 编写文档
docs/learns/evaluation/backdoor-detection/bloom-analysis.md
# 3. 更新索引
docs/learns/evaluation/README.md # 添加主题部分
docs/learns/README.md # 更新统计学习笔记使用以下标签分类:
harness- 框架相关evaluation- 评估相关training- 训练相关
streaming,error-handling,type-safetymiddleware,architecture,concurrencybenchmarks,testing,safetyrl,fine-tuning,rlhf
pydantic-ai,langchain,republickimi-cli,agentscope,agnobloom等
最后更新:2026-03-21