大家好，我卡頌

自從23年初GPT爆火后，每年都會涌現(xiàn)一些爆火的AI概念。

今年最火的概念無疑是Agent。

伴隨而來的，是各家都在爭奪「Agent的解釋權」：

• openAI發(fā)布a-practical-guide-to-building-agents^[1]
• Antropic發(fā)布building-effective-agents^[2]
• langchain作者發(fā)文how-to-think-about-agent-frameworks^[3]反駁openAI的觀點（目的是推銷自家的langGraph）

這些繁雜的信息無疑加深了開發(fā)者對Agent的理解成本。

實際上，Agent的概念非常簡單。本文會用一個「100行代碼的Agent框架」講解「Agent的開發(fā)原理」。

什么是 PocketFlow？

PocketFlow^[4]是一款僅有100行代碼的Agent框架，作者是Zachary Huang^[5]。

他的概念非常簡單 —— 所有AI應用的核心流程，本質(zhì)來說是不同復雜度的圖（graph，一種數(shù)據(jù)結(jié)構(gòu)），由最基本的數(shù)據(jù)結(jié)構(gòu)Node組合而成。

以「AI總結(jié)郵件內(nèi)容」這個場景舉例：

只讓AI總結(jié)郵件內(nèi)容，那么核心流程就是一個Node：

如果AI總結(jié)郵件后再生成回復草稿，就是兩個Node組成的Flow：

如果要重復總結(jié)多份郵件，就是多個Node重復執(zhí)行，這些Node組成Batch：

如果要同時總結(jié)多份郵件，就是多個Node同時執(zhí)行，這些Node組成Parallel。

再考慮一些流程設計，比如：

• 循環(huán)：Node A 與 B 的輸出分別作為對方的輸入。

分支：Node根據(jù)條件與不同Node連接。

當有了這些基礎的結(jié)構(gòu)與流程后，就能組合更復雜的圖。

比如「循環(huán)」和「分支」可以組合成Agent。

下圖是一個「總結(jié)郵件內(nèi)容并生成回復」的Agent，他會分析郵件內(nèi)容、確定是否需要人工審核、草擬回復并不斷迭代優(yōu)化。

一些常用的AI工具也能組合生成，比如下圖是RAG的結(jié)構(gòu)：

有了RAG，再結(jié)合流與循環(huán)就能組合成「AI聊天應用中的聊天消息記憶模塊」：

到這里你應該能理解為什么PocketFlow代碼只有100行 —— 他只實現(xiàn)了構(gòu)成AI應用所需的基本數(shù)據(jù)結(jié)構(gòu)。

要開發(fā)任何AI應用，只需要：

• 了解該應用可以設計為「什么結(jié)構(gòu)的圖」（graph）
• 用PocketFlow描述圖結(jié)構(gòu)
• 實現(xiàn)圖結(jié)構(gòu)、輔助方法、圖的狀態(tài)管理

聽起來是不是有種「庫太簡單，以至于需要開發(fā)者自己寫很多代碼」的感覺？

在AI時代，這恰恰不是問題。

Agentic Coding

由于PocketFlow代碼量極少（100行），這意味著你能將他的源代碼、設計理念、使用方法、案例合并為一條提示詞給到大模型。

通過這條提示詞，現(xiàn)代大模型（比如Claude-sonnet-3.7、Gemini2...）可以輕松掌握PocketFlow使用方法的最佳實踐。

作者還為上述最佳實踐設計了一套稱為Agentic Coding^[6]的「AI輔助開發(fā)模式」。

這套開發(fā)模式是「人類設計」與「AI實現(xiàn)」的協(xié)作模式 —— 人類負責理解需求、定義高層架構(gòu)和評估結(jié)果，AI負責實現(xiàn)細節(jié)和優(yōu)化。

假設我要基于PocketFlow開發(fā)一個mini Cursor，Agentic Coding的流程如下：

• 我去調(diào)研mini Cursor需要實現(xiàn)哪些功能
• 與AI協(xié)作確定這些功能對應什么圖結(jié)構(gòu)

對于Cursor應該是Agent結(jié)構(gòu)。

• 與AI協(xié)作確定工具的類型定義

mini Cursor需要如下工具：

• codebase_search：語義搜索工具
• read_file：讀取文件內(nèi)容（或大綱）
• run_terminal_cmd：代表用戶在終端執(zhí)行命令
• list_dir：快速列出目錄內(nèi)容
• 等等
• AI使用PocketFlow實現(xiàn)我在步驟2確定的圖結(jié)構(gòu)
• AI實現(xiàn)我在步驟3確定的工具
• 評估、優(yōu)化效果

就我個人體驗，基于Agentic Coding，開發(fā)mini Cursor我只用了1天時間，結(jié)構(gòu)如下：

核心代碼就是定義不同Node，比如核心Agent、各種工具Node。

再將各個Node連接形成圖。

總結(jié)

所有AI應用的核心流程，本質(zhì)來說是不同復雜度的圖（graph，一種數(shù)據(jù)結(jié)構(gòu)），由最基本的數(shù)據(jù)結(jié)構(gòu)Node組合而成。

PocketFlow提供了最基本的數(shù)據(jù)結(jié)構(gòu)以及一套「人類設計 + AI實現(xiàn)」的協(xié)作開發(fā)模式Agentic Coding（本質(zhì)是一段可以作為cursor rule的提示詞）。

你可以在cursor（或其他AI IDE）幫助下，快速開發(fā)各種AI應用。

參考資料

[1] a-practical-guide-to-building-agents: https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf。

[2] building-effective-agents: https://www.anthropic.com/engineering/building-effective-agents。

[3] how-to-think-about-agent-frameworks: https://blog.langchain.dev/how-to-think-about-agent-frameworks/。

[4] PocketFlow: https://github.com/The-Pocket/PocketFlow-Typescript。

[5] Zachary Huang: https://github.com/zachary62。

[6] Agentic Coding: https://pocketflow.substack.com/p/agentic-coding-the-most-fun-way-to。