[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-74029":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":17,"stars7d":18,"stars30d":19,"stars90d":16,"forks30d":16,"starsTrendScore":20,"compositeScore":21,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":22,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":26,"readmeContent":27,"aiSummary":28,"trendingCount":16,"starSnapshotCount":16,"syncStatus":29,"lastSyncTime":30,"discoverSource":31},74029,"ai-agent-deep-dive","tvytlx\u002Fai-agent-deep-dive","tvytlx","AI Agent 源码深度研究报告","",null,"Python",5768,1649,28,1,0,6,9,90,18,88.15,false,"main",true,[],"2026-06-12 04:01:12","# AI Agent Deep Dive\n\n\u003Ca href=\"https:\u002F\u002Fwww.star-history.com\u002F?repos=tvytlx%2Fai-agent-deep-dive&type=date&legend=top-left\">\n \u003Cpicture>\n   \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fchart?repos=tvytlx\u002Fai-agent-deep-dive&type=date&theme=dark&legend=top-left\" \u002F>\n   \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fchart?repos=tvytlx\u002Fai-agent-deep-dive&type=date&legend=top-left\" \u002F>\n   \u003Cimg alt=\"Star History Chart\" src=\"https:\u002F\u002Fapi.star-history.com\u002Fchart?repos=tvytlx\u002Fai-agent-deep-dive&type=date&legend=top-left\" \u002F>\n \u003C\u002Fpicture>\n\u003C\u002Fa>\n\n## Quick Links\n\nPDF 下载 \u002F PDF Report:\n- 新增《Hermes Agent 源码深度解析》，在我的知识星球 [矩阵之外](https:\u002F\u002Ft.zsxq.com\u002Fv10jO)\n- ClaudeCode [ai-agent-deep-dive-v2.1.pdf](.\u002Fai-agent-deep-dive-v2.1.pdf) 新增第八章：记忆系统\n- ClaudeCode [ai-agent-deep-dive-v2.pdf](.\u002Fai-agent-deep-dive-v2.pdf)\n\n## Notes\n\n- 本仓库仅保留面向学习与评论的分析材料，不提供源码目录。\n- 第二版 PDF 已完成。\n\n## Teaching Agent Code\n\n这个仓库现在还包含一个**教学用的最小 Python Agent 项目**，用于演示一个 AI Agent 的核心结构应该怎么组织。\n\n### 核心代码位置\n\n- Agent 核心代码：[`src\u002Fagt\u002Fagent.py`](.\u002Fsrc\u002Fagt\u002Fagent.py)\n- CLI 入口：[`src\u002Fagt\u002Fcli.py`](.\u002Fsrc\u002Fagt\u002Fcli.py)\n- 教学文档：[`docs\u002F`](.\u002Fdocs)\n\n### 这个教学项目的定位\n\n这个最小 Agent 项目是为了教学而设计的，特点是：\n\n- 尽量保持结构清晰\n- 尽量减少不必要的工程复杂度\n- 所有核心代码集中在一个很小的范围内，方便学习\n- 当前重点放在：Agent 主循环、Fake LLM 接口、Skills 发现、CLI 骨架\n\n### 如何运行最小 Agent\n\n本项目使用 Poetry 管理依赖。\n\n#### 1. 安装依赖\n\n```bash\npoetry install\n```\n\n#### 2. 运行最小 Agent CLI\n\n```bash\npoetry run agt \"你好\"\n```\n\n#### 3. 查看 Skills\n\n```bash\npoetry run agt --skills-dir .\u002Fskills --list-skills\n```\n\n### 当前实现说明\n\n当前版本是一个**教学型最小实现**，还没有接入真实远程模型 API。\n\n目前内置的是一个可替换的 Fake LLM：\n- 用户输入什么\n- 它就会用流式文本块的方式返回一个测试响应\n\n这样做的目的，是为了让后续接入真实模型时，只需要替换 LLM 调用层，而不需要重写整个 Agent 主体。\n","该项目是关于AI Agent源码的深度研究报告，旨在通过分析和教学来帮助开发者理解AI Agent的核心结构与实现。它提供了一个用Python编写的最小Agent示例项目，该示例保持了清晰简洁的代码结构，减少了不必要的工程复杂度，并集中展示了Agent主循环、Fake LLM接口、技能发现以及CLI骨架等关键组成部分。特别适合于希望深入了解或开始构建自己的AI代理系统的开发者学习使用。当前版本作为教学型实现，并未接入真实远程模型API，而是采用了一个可替换的假LLM来模拟响应过程，便于后续扩展。",2,"2026-06-11 03:48:27","high_star"]