The AI Agent Tooling Explosion

AI Agent 正在飞速发展。这周人们还在讨论聊天，下周讨论的就变成了在你睡觉时就能交付功能的 Agent。

最近有一个新插件在三周内获得了 73,000 个 GitHub stars。这并非炒作，而是软件构建方式的一次转变。

我研究了最受欢迎的开源 Agent 工具。仅五个项目就拥有近 500,000 个 stars。它们并不竞争，而是解决了同一个问题的不同部分。

数据如下：

• obra/superpowers: 245,614 stars。一个用于 Agent 技能和方法论的框架。 • thedotmack/claude-mem: 85,713 stars。为 Agent 提供持久化记忆。 • bytedance/deer-flow: 76,027 stars。用于研究和编码的工具。 • DietrichGebert/ponytail: 73,143 stars。让 Agent 像资深开发人员一样思考。 • cobusgreyling/loop-engineering: 新项目。一个工程循环框架。

这些工具向我们展示了五个启示：

  1. 编写更少的代码。 大多数工具关注的是量。它们希望生成尽可能多的代码。而最好的工具关注的是价值。一个名为 Ponytail 的工具教导 Agent 像“懒惰”的资深开发人员一样行事。在编写代码之前，它会先询问该更改是否必要。最快的代码就是你永远不需要编写的代码。

  2. 结构胜过智能模型。 你不能只是要求 Agent 构建一个功能，你需要一个流程。成功的工具都使用结构化的生命周期：

  • Spec：定义要构建的内容。
  • Plan：将工作分解为步骤。
  • Implement：逐步编写代码。
  • Review：自动化评审。
  • Refactor：根据发现进行改进。

  1. Agent 需要记忆。 标准的 Agent 会忘记五分钟前做过的事情。像 Claude-mem 这样的工具为 Agent 提供了“大脑”。它们可以在不同的会话中存储项目模式和决策。这可以防止你重复同样的操作。

  2. 关注中间层。 不要只问该使用哪个 Agent。真正的价值存在于技术栈的中间层：

  • Skills：Agent 的行为方式。
  • Memory：它的记忆方式。
  • Orchestration：它如何管理任务。
  1. 安全是重大风险。 许多 Agent 会泄露其系统提示词（system prompts）。如果你的 Agent 拥有访问代码或凭据的权限，这是非常危险的。请使用沙箱环境，并仅向 Agent 提供其所需的最小权限。

未来不是一个超级 Agent。未来是工具栈的协同工作。

Source: https://dev.to/sar_007/the-ai-agent-tooling-explosion-5-lessons-from-500k-stars-of-open-source-agent-tools-54a9

Optional learning community: https://t.me/GyaanSetuAi