01
可视化组装
把模型、系统提示词与技能包组合成可保存、可复用的智能体。
MODEL + PROMPT + SKILLS
research-agent / live-run实时
agent.config
模型
Claude 4 Sonnet
长期记忆
product-context
代码上下文
github-mcp
浏览器子智能体
agent-browser
execution.trace
RUN #1842召回产品上下文与历史记忆84ms
读取相关提交与代码差异1.2s
复现线上行为并核对结果3.8s
生成带证据的结论与行动建议892 tok
最终输出
调查完成。已定位根因，并附上来源链接与经过验证的下一步。
01 / 系统能力
让智能体持续变好的完整工具链。
构建、运行、检查并改进智能体，不必为每次实验重新拼装一套控制平面。
02
连接外部工具
通过 stdio 或 HTTP MCP 接入 GitHub、飞书、浏览器与自定义系统。
STDIO + HTTP MCP
03
观察每一步
实时查看模型调用、工具执行、延迟、token 与完整 execution trace。
SSE + EXECUTION TRACE
04
沉淀长期上下文
用隔离的 Memory workspace 与知识库，让关键事实跨会话延续。
MEMORY + KNOWLEDGE
05
建立回归基准
把高质量 run 变成 baseline，重放并比较模型、提示词和工具变更。
BASELINE + JUDGE
06
编排并定时运行
把稳定能力串成工作流，按计划运行 agent prompt、workflow 或 eval。
WORKFLOW + CRON
02 / 开发者优先
需要时用控制台，深入时用代码原语。
从可视化搭建开始，再按需下沉到框架无关的 TypeScript 能力块。模型、工具与数据始终可迁移。
agent.ts● ready
01import { AgentLoop } from "@ethankit/agent-kit"0203const loop = new AgentLoop(deps, config)04const run = await loop.run({05 system, messages, toolDefs06})同一个持续闭环
01
配置
选择模型、提示词、技能、MCP 与记忆边界。
02
运行
在浏览器内发起任务，流式查看智能体执行。
03
检查
从 trace 定位模型、工具、权限或上下文问题。
04
改进
将优秀结果沉淀为评测基准，持续发现回归。
03 / 构建手记
最新文章
开始构建
构建一个智能体，从每次运行中进化。
浏览公开工作台，检查真实运行记录，把下一条工作流变成可观察的智能体。