攀岩者

分类： AI学习

  • 35.LibreChat架构分析

    版本: v0.8.8-rc1 | GitHub: danny-avila/LibreChat | 许可证: MIT

    分析时间: 2026-09-13

    1. 项目概述与定位

    LibreChat 是一个开源的多模型 AI 聊天平台，定位为 ChatGPT 的自托管替代方案。它提供统一的 Web UI 来对接 Anthropic (Claude)、OpenAI、Azure OpenAI、Google、Vertex AI、AWS Bedrock 等主流 LLM 提供商，同时支持 Ollama、groq、Mistral 等本地和远程 AI 服务。项目采用 MIT 许可证，截至 2026 年 9 月已积累超过 4,500 次提交，是 GitHub 上最活跃的开源 AI 聊天前端之一。

    与简单的 API 代理不同，LibreChat 构建了一个完整的 Agent 生态系统：包括无代码 Agent 构建器、Agent 市场、Skills 系统（类似 Hermes 的 SKILL.md）、子 Agent 委派、MCP 工具集成、代码解释器、RAG 文件搜索、图片生成等。这使其从一个”聊天 UI”进化为一个功能完备的 AI Agent 平台。

    2. 技术栈与依赖

    后端 (api/)：

    （更多…）

  • AI编程（四十四）：网页表单提交 — 让程序替你去窗口排队

    上一篇的爬虫再能干，也只是个”只读”的观众：网页给什么，它看什么。但生活里的查询网站都是”问答式”的——你得先在表单里填月份、输关键词、点”查询”，它才把结果吐给你。今天教程序开口说话：填表、提交、拿结果。新概念只有一个：requests.post。学完这篇，你的程序就从”看热闹的”升级成”能替你去窗口排队办事的”。

    一、真实场景：每月一次的”填表查询”折磨

    你在单位兼着一个活儿：每月月初，去人社局的”补贴发放查询”页面，把当月的公示结果逐条查出来、整理成表。查询页面长这样：一个下拉框选月份（2026-09、2026-10……），一个输入框填姓名或单位关键词，一个”查询”按钮。点一下，页面跳到结果页，列出匹配的记录。

    问题是你手里有20个单位名要逐个查。于是每月这天你的操作是：选月份→粘贴”沈阳第一机床厂”→点查询→看结果→抄下来→回来→粘贴”沈阳水泵厂”→点查询→抄下来……20个单位查20次，抄错一个字就得重来。查完抬头一小时过去了，而这活儿每月一次，年年如此。

    上周的爬虫对这个页面完全没辙：它只能”看”现成的网页，而这个页面你不点查询按钮，它就永远是空空的表单。差别在哪？上周的程序只会”问路”（打开网址），今天的程序要学会”递表单”（提交条件）。

    （更多…）

  • 34.Big-AGI架构深度分析

    项目: enricoros/big-AGI

    版本: 2.1.1

    Stars: 7.1k | Commits: 8,685 | Forks: 1.6k

    许可证: MIT

    定位: 面向专家的多模型 AI 工作空间

    1. 项目定位与核心理念

    Big-AGI 是一个独立的、非 VC 资助的开源 AI 套件，定位为”面向专家的多模型 AI 工作空间”。其核心哲学是：AI 应该提升你，而不是取代你。这体现在三个支柱上：

    • Intelligence（智能）: Beam 多模型去幻觉、原生搜索、支持最新模型（Opus 5、GPT-5.6、Gemini 3.7 等）
    • Control（控制）: Personas 系统、数据所有权、请求检查、自带 API Key、无厂商锁定
    • Speed（速度）: Local-first 架构、零延迟、极致优化的 Web 应用

    商业模式上，采用免费开源 + Pro 订阅（$10.99/月）的模式，Pro 提供跨设备同步和 1GB 存储，订阅收入资助所有开发。

    2. 技术栈与框架选型

    层级 技术选型 说明

    |——|———-|——|

    （更多…）

  • AI编程（四十三）：爬虫进阶 — 一个人干完一个部门的活儿

    前两篇你的爬虫还是”一页纸搬运工”：给它一个网址，它抓一页。但真实世界的数据从来不长在一页上——公示名单分十页、商品列表翻到手软、新闻 archive 一路排到去年。今天给爬虫装上三件装备：会翻页的腿（分页抓取）、不收重货的账本（去重）、摔了能爬起来的膝盖（异常处理）。装完这三件，你的爬虫就从”能跑”进化成”能干活”——一个人干完一个部门的活儿。

    一、从”一页纸”到”一个部门”的真实麻烦

    先说今天要解决的事，它真实得不能再真实。

    市人社局网站挂着一份补贴发放公示名单，你领导让你”把名单整理成 Excel”。你打开一看：好家伙，名单分了 10 页，每页 20 条，每条有姓名、身份证后四位、补贴金额。领导还补了一句：”每周这名单都更新，你每周都整理一遍。”

    上周你学的本事是”抓一页、提表格、存 CSV”。那按老办法干：抓第 1 页，改网址抓第 2 页，再改抓第 3 页……十页改十次，粘十次，合并十次。这不叫编程，这叫把复制粘贴升级成了复制粘贴 Pro。

    （更多…）

  • 33.AgentScope架构分析

    GitHub: agentscope-ai/agentscope | Stars: 23k+ | License: Apache-2.0

    核心理念：”Build and run agents you can see, understand and trust.”

    1. 设计哲学与定位

    AgentScope 2.0 定位为 production-ready、easy-to-use 的 Agent 框架，其设计哲学与其他框架有本质区别：

    • 不约束模型：不靠严格的 prompt 模板和固定的编排逻辑来限制 LLM，而是充分利用模型自身的推理和工具调用能力
    • 极简抽象：只提供必要的抽象层（essential abstractions），随着模型能力提升不断简化
    • 面向 Agentic LLM：从 v1 的多智能体对话编排，转向 v2 的单 Agent 深度能力构建（ReAct、规划、记忆、RL 训练）

    这与 LangChain 的”链式管道”、AutoGen 的”对话驱动”形成鲜明对比——AgentScope 2.0 更接近 Claude Code / Codex 的工具型 Agent 范式。

    2. 整体架构分层

    AgentScope 采用三层架构：

    （更多…）

  • 32.Swarm架构深度分析

    项目：openai/swarm

    定位：实验性、教育性多智能体编排框架

    状态：已被 OpenAI Agents SDK 取代

    核心文件：swarm/core.py（~200行）、swarm/util.py（~70行）、swarm/types.py

    一、设计哲学：极简主义的多智能体编排

    Swarm 的设计哲学可以用三个词概括：轻量、可控、可测。整个框架的核心逻辑不到 200 行 Python 代码，却实现了完整的多智能体协调能力。这在 Agent 框架领域是极其罕见的——LangChain 的核心模块有数万行代码，AutoGen 的协调器也远比 Swarm 复杂。

    Swarm 的极简主义体现在它只定义了两个原语抽象：

    1. Agent——封装指令（instructions）和工具（functions）的实体
    2. Handoff——Agent 之间的控制权转移机制

    这种设计选择背后的理念是：多智能体系统的复杂性不应来自框架本身，而应来自业务逻辑的组合。Swarm 不引入图、状态机、消息总线等重型抽象，而是让开发者用纯 Python 函数表达一切编排逻辑。

    （更多…）

  • AI编程（四十二）：提取表格数据 — 把真正的”一张大表”完整搬回家

    上一篇你抓下了三行小表，算是爬虫入门了；今天上强度：面对一张带表头、几十行、好几列的”真表格”，让程序把表头和数据一格不落地搬下来，还能顺手存成 CSV。手艺还是那套（find + get_text），变的只是”按图索骥”的图更复杂一点。

    一、从”三行小表”到”一张大表”

    先说今天要解决的真实麻烦。

    上一篇的值班表只有三行两列，说难听点，复制粘贴也就十秒钟。但你在工作里真正会碰到的表长这样：学校网站上的全校课程表（几十行、星期一到星期五五六列）、政务网站上的补贴发放公示表（上百行、姓名/金额/银行卡号七八列）、购物网站上的参数对比表（十几行、三个产品列）。

    这种表，复制粘贴就不是十秒钟的事了——粘错了行、漏了列、表头和数据对不上，是常有的事。更要命的是它每周都更新，你每周都得重粘一遍。

    （更多…）

  • 31. E2B 深度架构分析

    项目: e2b-dev/e2b

    定位: 开源安全沙箱基础设施，让 AI Agent 在云端隔离环境中运行生成的代码

    语言: TypeScript (JS SDK) + Python (Python SDK) + Terraform (基础设施)

    许可证: Apache-2.0

    分析日期: 2026-09

    1. 项目概述与核心价值

    E2B（Environment to Build）是一个面向 AI Agent 的云端代码执行沙箱平台。其核心理念是：AI 生成的代码不应直接在宿主机上执行，而应在安全隔离的虚拟机环境中运行。E2B 基于 Firecracker 微虚拟机技术，提供毫秒级启动的轻量级沙箱，每个沙箱拥有独立的文件系统、网络栈和进程空间。

    E2B 的核心价值体现在三个层面：

    • 安全性: 通过 Firecracker microVM 实现硬件级隔离，防止恶意代码逃逸
    • 速度: 沙箱启动延迟极低（~150ms），适合 AI Agent 的实时交互场景
    • 开放性: 基础设施完全开源，支持 AWS/GCP 自托管部署

    2. 整体架构设计

    E2B 采用四层分离架构：

    （更多…）

  • AI编程（四十一）：爬虫入门 — 第一次亲手从网页”取”东西

    上一篇只看不抓，把网页的骨架摸熟了；今天动手：装上 BeautifulSoup 这把”万能钥匙”，把网页里的东西真真切切”取”下来、存成自己的文件。你会发现爬虫根本不是黑客技术——它就是”看懂结构 + 按图索骥”，而按图索骥的功夫，你上一篇已经练完了。

    一、还是那张值班表，今天不加班了

    先把上一篇欠的账摆上桌。

    上次你遇到的事：单位公告栏网页上挂着一张值班表，领导让你整理成 Excel 存档，每周一次。你已经学会了”看”网页骨架——右键查看源代码，找到那个

    ，看见

    一行一行排着日期和姓名。但看完之后呢？你还是只能复制粘贴，手工整理，每周一次，每次十分钟，一年下来白白干掉八个多小时。

    今天把这八个多小时抢回来。

    （更多…）

  • 30.OpenClaw深度架构分析

    项目：openclaw/openclaw

    Stars: 389k | Forks: 81.7k | Commits: 88,688 | License: MIT

    版本：2026.8.1 | 运行时：Node.js 24.16+ / 26.1+

    OpenClaw 是一个运行在用户设备上、通过已有聊天渠道触达用户的 AI 助手平台。它将模型、工具、消息渠道和伴侣应用统一在一个 Gateway 之下，既可作为个人助手运行在单台笔记本上，也可作为团队共享部署。其核心架构哲学是：可信网关、不可信执行、确定性策略。

    1. 整体架构与分层设计

    OpenClaw 采用 Gateway 中心化 架构，所有组件围绕一个本地控制平面（Gateway）组织：

    • Gateway：本地控制平面，管理会话、工具、事件和渠道连接。它是整个系统的核心枢纽，所有客户端（CLI、UI、TUI）和渠道（Telegram、WhatsApp、Slack 等）都通过 Gateway 进行通信。
    • Control UI：Web 管理界面，连接到 Gateway 进行配置和交互。
    • CLI / TUI：命令行和终端界面，提供开发者友好的交互方式。
    • Channels：消息渠道适配层，将助手带到 WhatsApp、Telegram、Slack、Discord、Google Chat、Signal、iMessage 等平台。
    • Companion Apps & Nodes：伴侣应用层，在 macOS、iOS、Android、Windows、Linux 上提供语音、Canvas、摄像头、屏幕和设备本地操作。
    • Extensions：插件扩展层，通过 Plugin SDK 实现新功能。

    这种分层设计实现了 关注点分离：Gateway 只负责调度和路由，渠道只负责消息收发，模型只负责推理，工具只负责执行。任何一层都可以独立替换或扩展。

    （更多…）