LangChain 0.3手写Agent:记忆池与循环控制全拆解
上周用AutoGPT跑了一个竞品分析任务,结果它在一个循环里空转了37分钟,消耗了2.1万token才跳出。这个痛感让我决定手写一个轻量Agent。本文基于LangChain 0.3.7,从零实现了一个支持工具注册、滑动窗口记忆、异常熔断和最大迭代控制的Agent核心。实测在百度百科+天气工具的组合下,5轮对话的token消耗比AutoGPT默认配置降低了62%,任务完成时间从平均48秒压缩到11

Builder,喜欢把想法做成可运行的产品,主要关注Rust系统开发,分享分布式系统、高并发与性能优化及真实项目复盘;偏爱把复杂问题拆成清晰步骤。偶尔更新生活观察,主要还是认真做事。
上周用AutoGPT跑了一个竞品分析任务,结果它在一个循环里空转了37分钟,消耗了2.1万token才跳出。这个痛感让我决定手写一个轻量Agent。本文基于LangChain 0.3.7,从零实现了一个支持工具注册、滑动窗口记忆、异常熔断和最大迭代控制的Agent核心。实测在百度百科+天气工具的组合下,5轮对话的token消耗比AutoGPT默认配置降低了62%,任务完成时间从平均48秒压缩到11
当团队从15人扩张到200人,原先的GitHub Flow分支策略开始频繁产生冲突合并、review阻塞和误发布。本文记录了我们迁移到GitFlow+Trunk Based混合模型的全过程,包括分支保护规则、基于GitHub Actions的CI流水线(构建耗时从11分钟降至4分30秒)、以及强制Code Review的机器人检查项。文中提供了完整的`.github/workflows/ci.ym