最新

各位 HN 的朋友们： 我们构建 Elixir 代理。我们一直遇到同一个问题，发现对于代理系统缺乏可观测性。 我们决定将 LangChain、LangGraph 和 DeepAgents 的最佳特性融入 Elixir。 BeamWeaver 采用 OTP 原生设计，并具备： - 代理和工具调用 - 图工作流 - 检查点和可恢复执行 - 内存存储 - 重试、回退、中断和人工审查 - 类型化流式事件 - OpenAI、Anthropic、Google Gemini、xAI 和 Moonshot/Kimi 的提供商适配器 - 用于确定性测试的模拟/回放模型 我们还通过 WeaveScope 在其之上构建可观测性，并将很快发布。 BeamWeaver 使 Elixir 团队能够构建先进的代理系统，而无需将复杂部分推送到 Python 服务中。

我的总体看法是：我觉得 Gemini 在高层次的代码重构方面非常出色，但在编写实际代码时却充满了 bug。另一方面，GPT/Claude 在编码方面表现优异，但说到重构，它们往往只进行小修小补。它们喜欢为了维护向后兼容性而加入不必要的防御性编程，或者最终写出冗长混乱的代码。 我的想法是互补它们的优势：让 Gemini 提供方向性/架构性的想法，然后让 GPT/Claude 来讨论和实现这些想法（事实上，我一直都是手动这么做的，效果相当不错）。 所以我的问题是：是否有任何 Agent 框架能够有效地自动化这种协作？ 我清楚现有的“子 Agent”功能，但在我的经验中，AI 并不总是选择调用它们。此外，当子 Agent 工作时，主模型通常只是在那里空闲着。这感觉不像真正的协作，更像是一种防止外部任务污染主上下文的机制——至少，这是我的感觉。