VoltAgent 教程:用 TypeScript 把 Agent 写成可观测工程服务
TypeScript 团队做 Agent,常见路线是从前端或 Node 服务里拼一个聊天 demo:接模型、写工具、加一点 memory,再接到页面。能演示,但上线后很快缺东西:trace 看不见,工具失败不好查,RAG 数据难管,guardrail 没地方放,部署也像临时脚本。 VoltAgent 想把这条路工程化:
共 33 篇文章
TypeScript 团队做 Agent,常见路线是从前端或 Node 服务里拼一个聊天 demo:接模型、写工具、加一点 memory,再接到页面。能演示,但上线后很快缺东西:trace 看不见,工具失败不好查,RAG 数据难管,guardrail 没地方放,部署也像临时脚本。 VoltAgent 想把这条路工程化:
很多人用 Claude Code,习惯是把需求直接扔进去,然后盯着它改。能跑,效率也有,但问题很快出现:产品判断没人做,设计味道没人看,安全审计靠运气,最后发布时再补文档和测试。AI 写代码变快了,工程流程反而容易被省掉。 gstack 值得看的地方,不在“Garry Tan 的同款配置”这个噱头,而在它把 Claud
AI 编程现在有个越来越明显的断层:代码最后进了 Git,但代码是怎么被 AI 写出来的,往往不在 Git 里。 你能看到 commit diff,能看到谁合了 PR,却很难回答几个更关键的问题:当时给 Agent 的任务是什么?它读过哪些文件?中间跑过哪些命令?为什么放弃了第一版方案?有没有把一个错误假设带进最终代码
很多 AI Agent 做网页任务时,最尴尬的不是不会写代码,而是看不见真实网络。浏览器里点一下,背后跑了哪些 API、带了什么 Cookie、哪里做了签名、哪个请求失败了,Agent 往往只能靠页面结果猜。 `anything-analyzer` 把这个问题往工程侧推了一步:内嵌浏览器抓包、MITM 代理、JS Ho
AI 编程工具用久了,大家都会遇到一个问题:你明明只想让它修个登录 bug,它偏偏开始设计一套“可扩展身份系统”;你让它写一段营销文案,它先给你上价值,再给你编十个受众画像。不是模型不会干活,而是角色没定住。 `agency-agents-zh` 值得看的地方,不是“有 211 个 AI 专家角色”这个数字,而是它把角
以前聊 Playwright,重点多半落在“怎么点按钮、怎么找元素、怎么稳定跑 CI”。到了 Agent 这一步,问题其实变了:不是让 AI 多会操作浏览器,而是让它别把测试写成一锅粥。 Playwright Test Agents 有意思的地方就在这儿。它没有把“写测试”塞给一个万能 Agent,而是拆成三个角色:P
Deep Researcher Agent 火,不是因为它又包装了一个“AI 科研助手”的概念,而是它盯准了研究里最磨人的一层:实验运营。 改超参、跑训练、看日志、整理结果、再改。真正有价值的是 idea 和判断,但研究者大量时间耗在等待和机械复盘上。Deep Researcher Agent 想接过去的,正是这段重复
RTK 的定位很直接:CLI proxy,减少 LLM 在常见开发命令上的 token 消耗。它不是让模型更会写代码,而是让 Agent 别把钱和上下文窗口浪费在 `ls`、`cat`、`grep`、重复日志和巨长输出上。README 里提到在常见开发命令上能减少 60% 到 90% 的 token 消耗,这个数字先别
Oh My OpenAgent 以前叫 Oh My OpenCode,最近重新站到 Agent Harness 这个位置上。它不是一个“让界面更好看”的小插件,而是围绕 OpenCode/多 Agent CLI 的一组工作流、规则、安装方式和运行习惯。现在这类项目越来越多,真正要比的不是谁的 prompt 更唬人,而是
AI 视频剪辑这条线,过去一年有点热过头了。很多工具都在讲“一句话生成视频”“自动剪辑”“智能成片”,听起来很爽,但真正做过内容的人都知道,剪辑不是把素材丢进时间线这么简单。 难点在三处:素材怎么选,节奏怎么控,风格怎么复用。FireRed-OpenStoryline 值得看,不是因为它又把视频剪辑包装成一个聊天框,而
现在认真用 Coding Agent 的人,桌面上很容易堆出一把工具:Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw。每个都有自己的 provider、MCP、prompt、skills、session。刚开始还新鲜,过几天就乱成一锅粥。 CC Switch 这个项目解决的
长项目里最烦人的事,不是 Claude Code 不会写代码,而是它今天记得、明天忘了;这个会话里知道,换个窗口又得从头讲。上下文窗口再大,也不是长期记忆系统。 Claude-Mem 的定位很明确:自动捕获 Claude Code 会话,把关键上下文压缩、索引,再在未来会话里按需注入。它不是把所有聊天记录硬塞回 pro
AI 编程工具把代码写快以后,很多团队才发现,真正拖慢项目的不是 IDE,也不是框架,而是“到底该做什么”。 吴恩达在 The Batch 里讲的这个判断,表面看是在说工程师和产品经理的关系,往深了看,其实是在说软件团队的瓶颈迁移:当实现成本快速下降,产品判断、跨部门协同、发布节奏和风险把关,会一下子变得更贵。 ##