设计 Helium Agent

Helium Agent 是一个使用 Python 构建的轻量级 AI Agent。它在终端中运行，旨在实现极简的复杂度。

以下是构建过程中的核心设计决策：

• 架构 系统采用扁平化架构。我避免使用沉重的框架和深层的依赖树。我使用像 <action> 这样的 XML 标签，而不是 OpenAI 的函数调用（function calling）。这使得 Agent 与模型无关。你可以使用任何 LLM。

• 通过依赖注入实现可组合性 我使用一个名为 AgenticLoop 的简单循环。它接受两个输入：模型调用器（model caller）和工具执行器（tool executor）。这一选择支持四种不同的模式：

  • 通用聊天
  • 编码工作流
  • 子 Agent
  • 自定义技能 我不使用子类或复杂的模式。只需两个简单的函数。

• 状态管理 Helium 是一个单用户工具。我使用模块级单例（module-level singletons）来管理对话历史和记忆。全局状态是表示单个用户会话最简单的方式。它能防止过度设计。

• 安全门禁 (Safety Gates) 我为工具执行采用了一个三层系统：

  • 安全 (Safe)：自动执行读取文件或搜索等任务。
  • 风险 (Risky)：对于写入文件等任务，需要用户许可。
  • 条件 (Conditional)：检查 bash 脚本等命令以检测危险。 这可以防止产生幻觉的模型删除你的文件。

• 通信 我使用原始 HTTP 请求，而不是 OpenAI SDK。这减少了依赖并保持了代码的透明度。你可以清楚地看到发送到 API 的具体内容。

• 技能系统 技能（Skills）仅仅是 Markdown 文件。你可以通过编写带有 YAML frontmatter 的文本文件来添加新技能。没有复杂的注册 API。这使得插件系统对任何人来说都易于使用。

• 经验教训

  1. 依赖注入提供了低成本的可组合性。
  2. 系统提示词（System Prompt）就是你的 API。请将其视为一等公民级别的代码。
  3. 如果你需要使用延迟导入（lazy imports）来修复循环依赖，说明你的模块边界划分错误。应该去修复架构。

简单性具有扩展性。请为你的特定用例选择最简单的解决方案。

来源：https://dev.to/debmalyasen34/designing-helium-agent-1b39

可选学习社区：https://t.me/GyaanSetuAi