10 篇博文 含有标签「AI Agent」

浏览器里那种「AI 一边想、界面一边长出来」的效果，落到代码其实只有两件事：

• 服务端把一串事件写进一条不肯结束的 HTTP 响应；
• 客户端从 response.body 里一块一块读出来，边读边解析、边渲染。

听起来像是一个下午就能写完的活。但真正把它接到 Agent 上，坑会集中在几个边界上：一次网络分片不等于一个事件、响应头发出之后状态码就改不了、连接关闭不等于任务完成、在错误的位置 throw 会让客户端永远等下去。这些都不是 API 会不会用的问题，而是「边界由谁负责」的问题。

这篇拿一个真实项目开刀：bigfe/encode_lesson/a2ui-full。它是一个 A2UI Playground——用户在网页里描述界面，Koa 服务端调用 LLM 生成 A2UI 协议，浏览器通过 fetch + ReadableStream 接收，边收边把界面渲染到右侧预览区。服务端用 @ag-ui/core 与 @ag-ui/encoder 组织事件，客户端手写 SSE 分帧，协议载荷则是 A2UI 的 JSONL。

我会按四条线拆：

1. @ag-ui 是什么，它和 A2UI、MCP、A2A 各管哪一层；
2. Node 端推 SSE 的完整步骤，从设置响应头到错误、取消、心跳；
3. 客户端 fetch + ReadableStream 的完整步骤，从 getReader() 到分帧、解析、收尾；
4. 这条链路里最值钱的十几个坑，其中几个是我在本机复现出来的，不是「听说」。

文中的实测脚本与官方文档原文都留档在 source/a2ui-sse-lab/。SSE 的基础格式、EventSource 与 fetch 的取舍，站内已经有两篇拆过——《SSE 是什么》与《EventSource 是什么，为什么 Agent 流式接收最后都换成了 fetch + ReadableStream》——这里不重复背景，只在需要的地方给出链接。

用 Node 搭 Agent 的人，几乎都问过同一句话：

大模型把 token 一帧帧吐回来，路上要过抖动、丢包、代理、网关——chunk 会不会乱序？我是不是得在客户端按时间戳重排一遍？

先给结论，三条：

1. 一条流内部不会乱序。 这不是"概率很低"，而是传输层的投递语义：IP 层确实会丢包、也可能乱序到达，但重排和去重由 TCP 承担，交给应用的永远是有序字节流。所以客户端既没必要重排，也没有重排的依据（你的 chunk 上并没有一个"网络序号"可排）。
2. 你真正会踩的坑是另外三件事：分帧（chunk 边界不等于字符/帧边界，读错就烂码、丢帧）、交错（一个 Agent 同时跑多路流，合流看起来"跳"）、截断（中途断流，拿到一段残文却以为写完了）。这三件里没有一件是"乱序"。
3. 唯一真能"乱序"的地方，是写出顺序本身——而那时该修的是写出方，不是给客户端加一个重排器（它会忠实地把错误的顺序搬给你，也不会替你纠正）。

下面把规范逐字原文、7 组本机实测、生产清单都摆出来。全文的实测脚本随仓库留档在 source/sse-assembly-lab/（harness.mjs + harness.log），零依赖、不需要 API key，可复现。

「Agent 为什么都用 fetch + ReadableStream 读流？EventSource 不是也能收 SSE 吗？」

这个问题问得对，但流传的答案「大厂从 SSE 换成了 ReadableStream」说得不准。真实情况是：

EventSource 是浏览器内置的 SSE 客户端，它在「打开一个 URL、持续收通知」这件事上是满分答案。但 Agent 场景需要的几件事——发 POST、带请求头、看状态码——它一件也做不到，重连语义也完全不由你控制。于是大家保留了 SSE 的帧格式，只把「读它的那只手」换成了 fetch + ReadableStream。

这篇按这条线讲透：① EventSource 到底是什么 → ② 为什么 Agent 场景要换掉它 → ③ 换成 fetch + ReadableStream 之后怎么写（含可跑的最小实现）→ ④ 流式端点的三个生产雷区 → ⑤ 这套也不够用时，什么时候必须上 WebSocket / WebRTC。

正文的实测都在本机 Node 上跑出来，脚本随仓库留档在 source/stream-lab/。

上一篇 开源 RAG 知识库横评 解决的是「底座用什么」。这篇往上走一层：底座之上，哪些 Agent 场景真的能赚钱。

这篇做四件事：先给一把判断「高 ROI」的尺子（厂商数字有三个系统性偏差）→ 深挖智能客服（含那个被反复引用的「76% 解决率」到底怎么回事）→ 深挖商业尽调（真实账本 + 一条不能碰的合规红线）→ 另外 8 个场景的落地水位表。

文中数字分三级标注：[已核实]（直接读到原始文件/论文/采购公示）、[二手]（权威第三方转述）、[厂商自述]（厂商官网或案例页，无第三方验证）。标 [厂商自述] 的数字请勿当作 ROI 证据使用——这篇的大半篇幅其实是在解释为什么。

「我该用 LangChain 还是自己写 / 换别的？」——这是开始做 Agent 时最常见的纠结。这篇把 LangChain（JS） 和 pi-agent 摆在一起比：不是比谁的 API 漂亮，而是比它们对「Agent 应该由谁来管」这件事的答案。

为了不空谈，我给同一类任务（一个会调工具的查天气 Agent）在两边各写了一份代码并真跑起来：pi 侧用内置的 fauxProvider（不需要 key），LangChain 侧用真实模型端点（DeepSeek 的 Anthropic 兼容接口）。文中的事件序列、消息序列、最终回答都是真实输出。

版本：@earendil-works/pi-ai / pi-agent-core 0.85.1；langchain 1.5.11 / @langchain/langgraph 1.4.15（2026-09 npm 实测）。本站已有两个系列：pi-agent 系列、LangChain + LangGraph 系列。

在 LangGraph 入门 那篇里，我把 reducer 一笔带过：「(a,b)=>b 是覆盖，a.concat(b) 是追加」。但那只是两种写法，不是全部模式——真正的问题是：

同一个 key 被写入多次时，状态该怎么合？

这就是 reducer 要回答的唯一问题。这篇把它讲全：Annotation 的完整用法、reducer 的几种模式、它什么时候被调用、调用几次、以及我把每种行为都真实跑出来的结果（含两个报错，都是实测）。

声明：以下行为全部在 @langchain/langgraph 1.4.15（Node 24）跑出来的，输出是真实的。不同版本行为可能微调，以你的实际运行为准。

用 Coze（扣子）搭智能体时，第一道选择题就是模式：单 Agent（自主规划模式） 还是 单 Agent（对话流模式）。很多人凭感觉选，然后在做的过程中反复返工——要么「流程搭得死死的，模型完全没发挥」，要么「让模型自己决定，结果它乱调工具」。

这篇把两者的底层机制差异讲清楚，并给一张选型表和几个常见坑。

先排一个术语雷：「对话流模式」是「智能体的运行模式」之一；而「对话流（Chatflow）」本身是一种「编排类型」（与「工作流 Workflow」相对）。这两个轴经常被混为一谈——本文会分别讲清，因为它们影响的是不同的选择。

内容依据 Coze 官方文档与公开资料整理，平台版本迭代快、不同版本 UI 命名有差异，具体以你所用版本的官方文档为准。

「低代码」这个词已经被喊了十多年，从「人人都能开发」的许诺，到被程序员吐槽「复杂了就做不了」，再到 2021 年前后的祛魅与退烧。而到了 AI 时代，它换了个马甲又回来了——Dify、Coze Studio、n8n 这些「编排 LLM 和工具」的平台，本质上就是新一代低代码平台，只是画布上的节点从「表单、审批」换成了「大模型、工具、知识库」。

这篇聊三件事：低代码的发展史、它当下的真实现状，以及 AI 时代这几家代表平台各自是什么、怎么选。

文中多数市场数据来自公开报道，统计口径与时点不一（尤其 star 数），已在文中标注时点，引用时请以官方为准。判断类观点是我的个人看法，欢迎拍砖。

在写用前端技术栈写 Agent那几篇时，我把「工具调用循环」讲清楚了，但一直没单独讲它的出处。这个循环不是工程实践中自然长出来的，它有篇明确的论文：ReAct。

这篇把 ReAct 讲透：它是什么、为什么重要、格式长什么样，然后用零依赖的纯 Node 手写一个真的能跑的 ReAct 智能体。最后是重点——我在本机真实跑出来的四个坑，其中有两个非常隐蔽：一个是不报错、只是静默返回空，另一个是模型会伪造工具的返回结果，然后基于伪造值自信作答。

声明：本文所有代码均在本机真实运行，走 DeepSeek 的 Anthropic 兼容端点（deepseek-v4-flash，一个推理模型）。所有输出、stop_reason、token 数都是实测值，不是我编的示意。

很多人以为"强大的 AI Agent = 好模型 + 好 Prompt"。但实际上，模型之上还叠着一整套底层执行系统（Harness）：理解任务、维护对话记忆、调用工具、实时展示进度、处理失败、请求人类审批。这部分决定了 Agent 能不能真正"干活"，也决定了把 Agent 嵌进产品时的体验上限。

OpenAI 在开源仓库 openai/codex 里把这套 harness 的三个组件开放了出来，分层恰好对应三种不同的接入方式：

下面逐个过用法，代码片段可以直接跑。