strands-labs/ai-functions

解决的问题

Strands AI Functions 通过提供一个将AI驱动的任务视为可验证、类型化Python函数的框架，解决了AI开发中“提示即祈祷”（prompt-and-pray）的问题。它允许开发者定义后置条件，在输出满足特定要求之前自动触发自我修正循环，从而防止复杂工作流中的级联错误。

工作原理

该库使用基于装饰器（@ai_function）的方法将标准Python函数转换为AI驱动的代理。这些函数可以使用标准的Python模式进行组合、并行运行或组织成有状态的线程。该框架支持：

• 验证： 后置条件确保输出有效，实验性功能允许进行正确性的形式化证明。
• 代码执行： 代理可以生成并运行本地Python代码来处理复杂的数据结构，如 DataFrames。
• 多代理编排： 线程可以通过协调器相互发现并发送消息，从而实现复杂的团队协作工作流。
• 协议兼容性： 它提供了一个统一的接口，将外部代理运行时（如 Claude Code, Kiro, 和 Codex）作为同一系统内的对等体进行集成。

适用人群

该库适用于构建代理应用程序的Python开发者，他们需要比基础提示链库更强的可靠性、状态管理和编排能力。对于那些需要将AI代理作为标准、类型化函数集成到现有代码库中的开发者来说，它特别有用。

亮点

• 原生Python集成： 函数接受并返回真实的Python对象，而不仅仅是JSON字符串。
• 自我修正： 当后置条件失败时，自动重新提示模型。
• 经济感知： 允许开发者定义结果的价值与模型Token成本之间的关系，以优化执行。
• 分布式执行： 支持通过基于WebSocket的协调器在不同进程和机器上运行代理。
• 工具互操作性： AI函数可以作为工具传递给其他代理，或在团队中进行编排。