imdoge

@rogerer
这恰恰是和 workflow 不同的思想的设计，可能我前面没表达的清楚
workflow：比较固定的路径
agent loop + ReAct 太自由，全靠 llm 智商，目前在开放任务表现一般，而且有些私域或者内部流程是有固定限制和流程的，模型再聪明也需要门控
我这种设想的思想就是在 langgraph 上再高一层的抽象，不仅是语法糖写法的不同（边代表的更多，协议优先等）
和 gpt-5.5 pro/5.5 heavy 讨论中，有几句总结我觉得很适合表现这种预想的设计：
“Runtime 内核做薄，任务协议做厚，Graph 模板做稀疏，节点内部 agent 保持自由”

它不是 agent loop 那种纯自由的，也不是 workflow 那种固定的，是在一定的图/状态机/门控/harness 等工程限制下的自由，大概就是“限制在一定的流动范围和门控限制下，但是某些节点内它是自由的，可以随便 agent loop 的工具调用的自由的”

举个例子：一个 research 任务，你用普通的 agent sdk 比如就拿 cc/codex 去做它可能调 web search 工具查几轮网站，有时发现点什么还会进一步 web fetch 仔细看，然后开始总结
实际的高级 research 智能体：拆分任务、定证据标准、维护 evidence/gap 、来源校验、补证据、判断能不能 final 等等，这样才能达到更强的效果

@mwVYYA6
以后模型会不会智能到我上面举例的 research 任务不编排也能自己这样做不清楚，毕竟有的 harness 工程就是应该模型越智能越少的，目前测试下来就是很开放的专业的工作，让它自由 agent loop 效果一般。
但是有的不是模型变聪明就消失的：私域知识/行业组织规范/权限边界/安全策略/质量门槛/恢复策略，我觉得不能指望你贴一串 prompt 告诉它就能遵守，有的还是代码硬门控的（除非真的 AGI 了）？

@extrem
但是形成模板后复用和换专家模型很方便，这种语法糖的写法设想是使用 research 模板 graph harness 加普通的 agent loop 和工具等就是研究报告专家 agent ，然后底子不变，换个模板可能就是营销 agent/资料搜集 agent/数据处理 agent 等等。传统写法即使 ai 来做也费事改很多地方而且可能漏
@bwnjnOEI
ai 比较喜欢附和，问它们有一定价值但不非常大，就是想问下真人程序员

@crytis
@yuanqi
不太一样，不是一个意思或者设计思路不一样

@metalvest
前面设想是可以有路由判断走简单还是专家模式，或者上面伪代码写法可以 fallback 到基础简单模式就类比 langgraph 等，需要时再高抽象

有的设想的 api/属性方法举的例子没体现，比如.on()监听和 hook ，.use()应用中间件或其他，.priority()优先度等很多，但核心是全定义在一处，形成类似称为 graph harness 的模板? 然后这种模板 + 之前的 loop + tools ，就从一个普通 agent 变成了专家 agent? 比 langgraph 写的更集中更复用，抽象层级更高

质量低的 gpt-image-2 官价就几分(1K?)，vercel ai gateway 中转，自己 vercel ai sdk 写接入

对它的目标用户我觉得不如广告盈利，我是不觉得大部分它的下沉用户会一个月几十块用这个

@nrtEBH 没开源，早期代码开源，后来闭源了，现在的仓库是假开源的

gpt 不是风控不严格吗……我都用机场 ip 的
关键是你的卡吧，搞个真正的外国的卡，你要用什么区什么礼品卡虚拟卡的那确实容易风控
如果不打算用正规订阅的，那就是买那种十几块的咯，什么时候封看奥特曼心情