Agent Runtime 深度解析:AI 智能体的运行时架构演进
从 Observe-Think-Act 循环到分层决策架构,深入剖析 Agent Runtime 的核心设计模式、主流框架对比,以及 2026 年生产环境落地的关键挑战。
Junyou Tian · Full-stack engineer
全栈开发工程师
专注现代 Web 开发、系统架构与 AI 工程化落地。希望把真实项目里的复杂问题,写成更易吸收、可复用的经验。
当前关注
AI Agent 生态:从 Runtime 架构、工具协议到多智能体协作系统。
Writing
08
围绕前后端开发、架构实践与 AI 工程应用,持续更新那些值得沉淀下来的方法、案例与判断。
从 Observe-Think-Act 循环到分层决策架构,深入剖析 Agent Runtime 的核心设计模式、主流框架对比,以及 2026 年生产环境落地的关键挑战。
AntV 团队在 AI 时代推出的两套生成式可视化方案:声明式信息图引擎 Infographic 与 AI 原生图表库 GPT-Vis,以及它们背后的设计思路。
从 D3 到 ECharts,LLM 生成可视化代码的几种路径、Prompt 工程策略,以及 Scott Logic 和 Observable 的实战经验。
基于 OpenCode 官网、官方文档与公开仓库信息,拆解它在客户端形态、代理分层、工具系统、上下文管理与模型接入上的核心架构思路。
基于 mcp2cli 的 PyPI、GitHub README 与公开文档,解释它如何在运行时把 MCP、OpenAPI 和 GraphQL 翻译成可执行命令,以及这种设计在 agent 调用链里意味着什么。
基于 OpenCode 与 Claude Code 的公开文档,比较它们在执行形态、权限模型、上下文归属、工具扩展与工作流集成上的系统边界差异。
记录这个博客当前的技术基础,包括内容集合、SSR 模式、Vue 组件接入以及部署方式。
这是一篇用来恢复博客主链路的首篇文章,也说明了这个站点接下来会记录什么。