最新

嗨 HN， 我是 Allos 的创建者。过去几周，我一直在构建一个工具，以解决一个一直困扰我的问题：每次我想构建一个 AI 智能体时，我都会被迫在两种选择之间做出决定：一个简单的框架，它将我锁定在一个提供商（如 OpenAI 或 Anthropic）上，或者一个复杂的框架，感觉用起来过于复杂。 我希望能够随时切换智能体的 LLM“大脑”，而无需重写我的代码。例如，使用 GPT-5 执行编码任务，然后切换到 Claude 4.1 Sonnet 执行写作任务，所有这些都使用相同的智能体逻辑。 这就是我构建 Allos 的原因。它是一个 MIT 许可的 Python SDK，具有几个核心目标： 1. 真正的提供商不可知性：为提供商提供统一的接口。MVP 完全支持 OpenAI 和 Anthropic。切换提供商时，智能体的代码不会改变。 2. 一个简单、强大的 CLI：与 Allos 交互的主要方式是通过单个 allos 命令。你可以给它一个高级任务，它将使用其工具来完成它（在请求任何敏感内容的权限之后）。例如，`allos "在 main.py 中创建一个 FastAPI 应用程序并运行它。"` 3. 可扩展的工具：它带有安全、内置的工具，用于文件系统和 shell 操作。添加你自己的自定义工具只是一个带有装饰器的 Python 类。 4. 没有魔法：架构简单透明。它是一个直接的智能体循环，没有需要对抗的繁重抽象层。代码经过 100% 的单元测试。 这是一个 3 分钟的视频，展示了它的实际应用（包括从单个提示构建一个多文件应用程序）：[https://youtu.be/rWc-8awcAJo](https://youtu.be/rWc-8awcAJo) 路线图上的下一个重要功能是通过 Ollama 对本地模型提供一流的支持。 我在这里回答任何问题。我很乐意收到你的反馈、批评和想法。 感谢你的关注！

没有别的办法，对吧？

这是一个基于共生智能四定律、受量子力学启发的、250 行的代码架构。它比标准的贪婪算法提升了 14%。