AgentRun 0.1.0-beta.4 发行说明 / 新功能

AgentRun 0.1.0-beta.4 是一种工作流语言，旨在为现有的 AI 智能体增加结构。它允许开发者定义可重复的步骤，通过 Jev 集成专注的决策制定，并在未满足特定标准时触发智能体调查。该系统旨在保留智能体现有的工具、权限和模型访问权限，同时提供一个正式的执行框架。

核心架构与 DSL

AgentRun DSL 支持通过 JSON 或带有 Zod 合约的 TypeScript 构建器来定义工作流。这种方法确保了输入和输出类型能够被推断，并且中间状态路径在运行时会进行检查。

关键架构特性包括：

节点类型: 系统使用特定的节点，例如 call（用于工具执行）和 judge（用于决策制定）。
控制流: 工作流支持嵌套调用其他工作流、任务的并行映射以及有界循环。
取消与恢复: 该框架提供了用于管理执行权限、取消和状态恢复的主机集成。
集成: 系统分为三个主要包：用于执行和验证的 @parcha/agentrun-dsl，用于类型化决策的 @parcha/agentrun-jev，以及用于智能体运行器扩展的 @parcha/agentrun-pi。

基于 Jev 的决策制定

AgentRun 与 Jev 集成以实现“类型化决策”。这使得工作流能够通过强制执行置信度阈值，超越简单的 LLM 提示词。例如，在支持工作流中，决策节点可以在继续之前要求 yes 回答且置信度分数至少为 0.8。如果未达到置信度，工作流可以被编程为将智能体引导至进一步的调查步骤，或将任务升级以供人工审核。

实现与用例

支持工作流示例

在典型的支持场景中，AgentRun 管理一系列搜索和决策节点。工作流使用工具搜索答案，使用 Jev 判断答案是否符合目的；如果未通过置信度检查，它会触发智能体进行进一步调查。如果第二次检查失败，案例将被升级以供审核。

研究工作流示例

研究演示展示了规划子问题、并行研究、筛选证据并合成最终报告的能力。这展示了该系统处理需要证据选择和报告撰写的复杂多步推理任务的能力。

与 Pi 的集成

AgentRun 可以集成到 Pi 环境（0.87.0+ 版本）中。通过安装 @parcha/agentrun-pi 扩展，用户可以使用诸如 /agentrun demo 来加载脚本示例，或使用 /agentrun run 来执行它们。Pi 还可以通过提供自然语言指令来构建新的工作流，智能体随后将其转换为正式的 AgentRun 工作流定义。

社区观点与技术权衡

围绕该项目的技术讨论强调了关于智能体工作流引擎的几个考量因素：

"如果存在没有成本或工作量属性的边，以及没有奖励的终止状态，那么图工作流是无用的……我之前曾想过将软件开发生命周期（SDLC）表达为测试工具和带权重的有限状态机的组合……目标是将任务队列建模为子工作流，并实现最有价值的任务。" — @handle

其他贡献者指出，虽然 AgentRun 提供了专门的 DSL，但行业内已经有了像 Temporal、Erandril 或 Airflow 这样成熟的工作流解决方案，不过 AgentRun 的特定重点在于智能体循环和类型化决策的集成。

一位开发者指出，他们自己的工作流定义方法更倾向于直接使用像 TypeScript 这样的“真实”语言，以确保用户和智能体都能理解函数而无需自定义 DSL，并从代码的 AST（抽象语法树）中派生 UI。