agent-builder:基于 TypeScript 生态的生产级 AI Agent 构建参考项目

AI Agent 全栈构建参考:24 篇生产级 TypeScript 指南(ReAct / MCP / RAG / 多 Agent / 记忆 / 护栏 / 部署 / 产品化),坚持不重复造轮子,逐层对标业界成熟方案(Vercel AI SDK / LangGraph / LlamaIndex / Langfuse / LiteLLM),附 2026 技术生态现状与开源项目二次开发对标清单。Production-grade AI Agent reference for any coding agent, with build-vs-buy decision tree + benchmark vs industry open-source.

分支1Tags9
文件最后提交记录最后更新时间
18 天前
5 天前
5 天前
5 天前
5 天前
5 天前
5 天前
5 天前
29 天前
25 天前
5 天前
5 天前
5 天前
5 天前
5 天前
5 天前
5 天前
5 天前
5 天前

🤖 agent-builder

生产级 AI Agent 构建从零参考 — 对齐 OpenAI / Anthropic 官方水准

License: MIT 参考资料: 28 节点 中英双语

English Docs


这是什么

一套帮助开发者和 AI Agent 从零构建企业级 AI Agent 的完整参考指南,以通用 Agent 可读格式组织。覆盖从 monorepo 脚手架到 Playground UI 的全栈 Agent 开发链路 —— 不重复造轮子:每个节点给出"手写实现 → 成熟方案"的映射与集成代码(Vercel AI SDK、LangGraph、LlamaIndex、E2B、OpenAI Agents SDK、Langfuse、LiteLLM 等),并附工程决策理由(🔗 工程逻辑)、AI 避坑注释(🤖 AI 避坑),经两轮以上交叉审计。

v1.1 起支持执行器模式:只给一段需求,AI 按零介入协议(不提问、只假设)自主完成规格补全 → 纵向切片 → 逐片实现 → 逐片回检 → 全量回归,交付可运行产品。

安装

# Claude Code / 通用 Agent
git clone https://gitcode.com/badhope/agent-builder.git ~/.claude/skills/agent-builder
# ZCode
git clone https://gitcode.com/badhope/agent-builder.git ~/.zcode/skills/agent-builder
# 验证
cd ~/.claude/skills/agent-builder && npm install && npm run verify
# verify = 代码块解析 + 自述审计 + 审计自测 + 运行期版本探测

涵盖内容

模块 核心能力
执行器 需求十二维补全 · 假设台账 · 纵向切片 · 交付状态机 · 降级矩阵 · 交付报告
基础 Turborepo · ReAct 循环 · SSE 流式 · Next.js · Electron 桌面端
工具与技能 Token 预算 · ToolRegistry · MCP Client · Skills 加载
记忆与 RAG 三层记忆(短期/长期/情景)· 混合检索 · Qdrant/Milvus/Chroma
多 Agent Supervisor+Worker · LangGraph 集成 · 框架对比(LangGraph/CrewAI/AutoGen)
安全 Prompt Injection 防御 · Guardrails 校验 · 工具风险分类
生产部署 Docker + K8s · CI/CD · OpenTelemetry · Webhook · Playground UI
产品细节 收纳决策表 · 输入区与消息动作 · 会话列表 · 四态 · 键盘 · 响应式
回检 需求追踪矩阵 · 接线五跳 · 假实现检测 · 证据台账 · 三轮回检
对标参考 技术生态现状 · 开源项目对标与二次开发 · 调研报告

快速开始

在你的 AI 编程助手中直接说:

  • "帮我搭一个 Agent"
  • "Agent 的安全怎么保障"
  • "怎样让 Agent 自我反思"
  • "Agent 输出如何渲染成 Artifact"
  • "怎么让多个 Agent 协作"
  • "聊天产品需要哪些 UI 细节"
  • "只要能跑起来就行,别问我问题"

Agent 会自动加载本参考并按需读取对应参考节点。

对标标准

  • OpenAI Agents SDK — Guardrails 三层校验 + Runner 架构 + Session 持久化 + Tracing 内建
  • Anthropic Claude — Artifacts 协议 + Computer Use + Harness 架构 + CLAUDE.md/Auto Memory/Skills/Hooks
  • MCP (Model Context Protocol) — 最新规范下的 Client + Server 双向开发
  • Langfuse / OpenTelemetry — 全链路可追踪、可度量、可告警

技术栈

层 技术
前端 Next.js + React + Tailwind + shadcn/ui
后端 Node.js + Fastify + tRPC
LLM OpenAI / Anthropic / Gemini(多 Provider 路由)
向量库 Qdrant / Milvus / Chroma(混合检索)
桌面端 Electron(contextIsolation + sandbox)
沙箱 Docker(cgroups + seccomp + cap-drop + 只读 rootfs)
部署 Docker Compose + Kubernetes
监控 OpenTelemetry + Langfuse

28 参考节点

# 节点 覆盖内容
00 types 跨层类型契约(LanguageModel / UIMessage / AgentEvent)
01 foundation Turborepo + ReAct 循环 + SSE + Next.js + Electron
02 tools-skills Token 预算 + ToolRegistry + MCP + Skills
03 memory-rag 三层记忆 + 混合检索
04 sandbox Docker 沙箱 + 七层安全边界
05 multi-agent Supervisor+Worker + LangGraph 集成
06 hitl-reflection 四级 HITL + LLM-as-Judge 自反思
07 security Prompt Injection 防御 + Guardrails
08 eval-observability Eval 框架 + Langfuse 全链路
09 deploy Docker Compose + Electron + K8s + CI/CD
10 prompt-protocol 五层 Prompt + 版本管理 + A/B
11 function-calling 三 Provider 适配 + 并行派发
12 vector-db-practical Qdrant + Milvus + Chroma
13 structured-output Zod Schema + 容错 JSON 解析
14 mcp-server-dev MCP Server 开发 (Stdio + SSE)
15 knowledge-base 多格式 RAG + 增量索引
16 multimodal-agent 多模态 + TTS/STT
17 streaming-advanced SSE 优化 + 智能重连
18 framework-comparison LangGraph/CrewAI/AutoGen 对比
19 multi-tenancy 多租户 + RBAC + 审计
20 agent-marketplace 市场 + 安全扫描 + 收益分成
21 fault-recovery 状态快照 + 幂等工具
22 guardrails-tracing Guardrails + Tracing + 成本追踪
23 artifacts-computer-use Artifacts + Computer Use + CLI
24 product-layer Playground + 多模型路由 + Webhook
25 autonomous-delivery 零介入交付:需求补全 + 切片 + 状态机 + 降级
26 product-detail-catalog 产品细节目录:收纳 + 输入区 + 消息动作 + 四态
27 implementation-audit 实现回检:矩阵 + 五跳 + 假实现检测
28 framework-integration-playbook 框架融合流水线:七阶段 + 契约对齐 + 事件桥

核心设计理念

  • 不重复造轮子 — 复用成熟生态工具,优先选择社区主流方案
  • 生产级而非 Demo — 每个节点都经真实代码实现,非伪代码
  • 渐进式强化 — 从基础到高级,每一层可选、可独立升级
  • AI 友好 — 每个节点标注 LLM 常犯的错误模式,防止 AI 走偏
  • 零介入交付 — 缺口补假设,不抛回给用户
  • 有证据才算完成 — 真实点击、真实请求、真实落库

路线图

路线图 — 已完成版本、待办 P0-P3(含验收判据)、明确排除项。

许可

MIT License — 自由使用、修改、分发。

项目介绍

AI Agent 全栈构建参考:24 篇生产级 TypeScript 指南(ReAct / MCP / RAG / 多 Agent / 记忆 / 护栏 / 部署 / 产品化),坚持不重复造轮子,逐层对标业界成熟方案(Vercel AI SDK / LangGraph / LlamaIndex / Langfuse / LiteLLM),附 2026 技术生态现状与开源项目二次开发对标清单。Production-grade AI Agent reference for any coding agent, with build-vs-buy decision tree + benchmark vs industry open-source.

https://morningstar202604.github.io/agent-builder定制我的领域