最新

一个简单的命令行界面（CLI）和自托管后端，能够捕捉人工智能代理的对话，并将其与发生的 Git 提交关联起来。<p>所有内容均自托管，使用 Cloudflare Workers 和 R2 进行存储。<p><a href="https://github.com/butttons/residue" rel="nofollow">https://github.com/butttons/residue</a>

我们对网站进行了清理：移除了Jira集成、问题标签触发器和父问题规则。一些客户完全禁用了GitHub Issues，因此我们简化了流程，直接处理PR，跳过问题。共删除了63个文件中的2,200行代码。

在过去几周，我一直在研究代理生态系统中的一个非常狭窄的问题： 我们有市场、编排框架、SDK和支付通道，但没有一个最小的、与框架无关的执行层面，能够让异构代理以可预测的方式协调工作。 目前大多数设置紧密耦合了： - 执行逻辑 - 经济逻辑 - 框架内部实现 这使得互操作性变得脆弱。 因此，我构建了一个小型实验性参考实现，重点关注： - 用于工具调用验证的中间件拦截层 - 一个最小的A2A JSON-RPC草案规范 - 一个可以位于编排或市场层之下的“经济钩子”抽象 框架无关的设计（CrewAI、AutoGen、自定义堆栈） 目标是在经济逻辑之前解决协调问题。 这仍然是实验性的，但我希望能得到以下方面的反馈： 1. 在SDK边界上，标准化的执行钩子是否有意义 2. 协调是否应该严格与路由/市场逻辑分开 3. 在架构上我可能遗漏了什么 期待听到其他从事代理基础设施工作的人的想法。 - Joaquín