六行代码就能跑 Agent，为什么还要设计一套框架？| 极客时间

假设你做了一个售后退款助手，能查订单、对照退款政策，还能给出处理建议。Demo 演示很顺，模型能回答，工具也能调用，看起来已经可以交给业务试用了。如果故事停在这里，做一个 Agent 好像确实不难。

但业务方很快又提了几个要求：

1. 金额较大的退款，要先让人审批； 2. 服务重启之后，没处理完的订单得接着办； 3. 同时处理多张订单，各自的状态还不能串。

每个要求听起来都很合理，可真要动手改，那段“调模型、执行工具、写回结果、继续循环”的代码，就开始让人犯难了。一个订单究竟处理到了哪一步，系统真的说得清楚吗？

在最简单的 Agent Loop 里，进度藏在调用栈和局部变量中。只要进程一直在、一切按预期发生，这没什么问题。可一旦要暂停、恢复或并发处理，系统就需要把“本次任务完成了什么、正在等什么、下一步该做什么”明确记录下来。

这也是 Agent 从“能跑”走向“可控”的起点。

先别急着换框架

遇到这些问题，我们的第一反应可能是找一个功能更全的框架。但选型之前，还有几个问题值得自己先想清楚：

• 流程的定义，和某一次执行的进度，应该放在一起吗？

• 两个节点同时写状态，谁来决定怎样合并？

• 审批可能几个小时后才回来，Agent 能不能先保存现场、释放进程？

• 工具已经执行成功，写回结果时却崩了，重试会不会把操作再做一遍？

这些问题没有一个可以只靠“换个模型”解决。成熟框架各有答案，但如果只熟悉调用 API，遇到边界时，我们仍然很难判断：该改配置、用扩展点，还是已经碰到了框架的核心设计。

也因为如此，看到李号双的《生产级 Agent 框架设计与实现》时，我对它的切入点挺感兴趣。它从一个最简单的Agent Loop开始，带你一步步搭出支持状态管理、故障恢复和暂停审批的框架内核，把这些机制为什么需要、应该放在哪里讲清楚。

并且不会先摆出一套完整架构，让你记住 Plan、Run、Scheduler、Event Log 这些名字；而是先拿一个具体问题：“如果是你，会怎么解决？”等最直接的办法遇到限制，再一起推导出需要什么机制，最后到配套代码里验证。

比如，想让流程反复使用，就得区分可复用的蓝图和一次具体的执行；想在崩溃后继续，就得让执行进度成为可以保存和恢复的数据；想等人审批，就不能让程序一直占着连接干等。一个部件接着一个部件，框架就这样从问题里“长”出来。

如果你已经能把 Agent 跑起来，却在后续扩展时越来越依赖试错，这门课值得看看。

周年活动，立享 5 折

扫码还能「免费」试读

学的不是“以后都自己造框架”

这门课有36 讲正文，先把一个完整的 Agent 框架拆开，看看少了哪个部件，会失去什么能力，再从最简单的 Agent Loop 开始，一步步把它搭回来。这样学，很多设计就有了来由，也更容易理解为什么框架最后会长成这个样子。

前五章主要搭内核，任务怎么独立运行、并发状态怎么合并、中途失败怎么恢复，以及重试、取消、人工审批这些能力，都会放到同一套执行机制里讲。我比较看重这一部分，因为后面做扩展、查问题，往往都得回到这些地方。

第六章再用同一套内核拼出 ReAct、先规划后执行和多 Agent 协作。我最想看的是，不同的应用模式，究竟怎样共用一套底层机制；理解了这层关系，以后调整流程，也更容易判断该改哪里。

最后一章再接模型、工具、MCP、记忆和 Skill，把外围能力补齐。贯穿课程的售后助手也会随着每一讲逐步增加分支、并发核查和人工审批，而不是每学一个概念就换一个 Demo。

具体可以看课程目录的安排

课程还附带了一个叫ProdAgent的开源项目，内核约 1800 行、11 个文件，运行时不依赖任何第三方库，全部使用 Python 标准库实现。配套的十多个示例都可以离线运行，不需要联网，也不会消耗 Token。

它的价值不是替代现有的大框架，而是让你有机会把关键机制从头读到尾、亲手跑一遍。它像解剖课上的标本，不是最大的动物，但关键器官都看得清楚。学透以后，无论换成什么框架或语言，这些思想都能带走。

当然，看懂框架设计，不等于所有团队都该自研框架。很多时候，成熟框架加上合适的扩展才是更好的选择。理解底层机制的价值，恰恰在于你能更有依据地作出这个判断，也知道出了问题该往哪一层找。

如果你已经能写 Agent、会调用框架，却越来越感觉选型、二次开发和排障只能靠试错，这门课值得读一读。具备基础 Python 阅读能力，就可以从开篇和导读开始。

周年活动，立享 5 折

扫码还能「免费」试读

Agent 能跑起来，是第一步。下一步，是知道它为什么这样运行，以及事情没按计划发生时，你还能怎样掌控它。

编辑推荐

现在正值极客时间九周年庆。今年，我们的主题是「AI，落地见真章」。对我们来说，“见真章”，就是让真实的实践被看见，让有价值的知识真正用起来。

我们把一线实践者的真实经验整理到一起，做成了《AI 落地案例集》。不只看一个项目最后做成了什么，更关注它最初要解决什么问题、方案怎么选、过程中遇到了哪些困难，又做过哪些取舍。这些经验未必能直接照搬，但希望能让大家在推进自己的项目时，多一份参考，少一些摸索。

我们希望，这一套汇集各行各业的真实业务经验，能帮助大家把新的思路用到项目里，把 AI 新知识变成自己的工程能力。

欢迎大家扫码「免费」领取