Ke以kan见 Agent 并不是一开始就把文件内容交给 LLM，而是由 LLM 自行判断是否还缺失相关上下文。

OPENAI_API_KEY=your-key npm run dev -- --base-url your-model-base-url --model your-model-name

以购买 deepseek 为例，输入

其实我也Ke以用Gradio添加一个可视化的界面.文章浏览阅读1k次,点赞19次,收藏22次。Agent是用来干活儿的。所以,一切的出发点肯定是需求,越明确越好。我的需求hen简单,来自于我日常经常遇到的情况:当我在Obsidian里整理笔记或者写东西的时候,经常会需要去查点资料。搜到好多个网页之后,我需要创建一条新笔记,把里边有用的内容... 以后每次使用,我只需要把这一行修改了,也就是告诉Agent,让它帮我...

说实话，为什么百度不收录我的文章呢？害，我觉得可Neng是因为内容不够独特吧。

常见上下文来源包括：

main.tsx:

一个简单的循环Ke以写成这样：

对话层负责接收用户输入、展示模型输出，并维护消息历史。它kan起来Zui像普通 Chatbot，但在 Agent CLI 里对话层还需要支持流式输出、工具调用提示、权限确认、任务状态展示等Neng力。

Ru果要实现一个自己的 Agent CLI，Ke以先把它拆成几层。

这种方式Ke以构建出一个geng加健壮的系统,生产出来的东西质量也geng高,结果也geng可靠。.在进入编码部分之前,我们先对本文构建的系统的主要组件有一个清晰的理解。.

参考：github.com/CCZX/lumen/…

由于 Agent 要同时Zuo：流式 LLM 响应、Shell 执行、文件监听、用户输入、子 Agent 调度，属于 I/O 多路复用场景。所以 Node.js 的事件循环 + 非阻塞 I/O 非常适合用于开发 Agent

src/├── main.tsx├── agent.ts│ └── agent.ts└── ui/ └── App.tsx

实现Zui简单的 MVP 版本，让 Agent Neng够成功调用 LLM

#!/usr/bin/env nodeimport { render } from "ink";import yargs from "yargs";import { hideBin } from "yargs/helpers";import { App } from "./ui/App.js";async function main { const argv = await yargs) .scriptName .usage .option .option .option .help .parse; if { console.error; console.error; process.exit; } render;}main.catch => { console.error; process.exit;});

咱就是说构建个人版Agent命令行界面其实挺有意思的，你懂的。

OPENAI_API_KEY=your-key npm run dev -- --base-url https://api.deepseek.com --model deepseek-v4-pro

成功启动Ke以kan到如下：

import type { FunctionParameters } from 'openai/resources/shared';export interface AgentTool { name: string; description: string; parameters: FunctionParameters; execute: => Promise<string>;}

import OpenAI from "openai";export interface AgentConfig { apiKey: string; baseURL?: string; model?: string;}export class Agent { private readonly client: OpenAI; private readonly model: string; constructor { this.client = new OpenAI; this.model = config.model ?? "gpt-4o-mini"; } async chat: Promise<string> {...

import type { ChatCompletionTool } from 'openai/resources/chat/completions';import { readFileTool } from '../builtin/file/index.js';import type { AgentTool } from '../types/index.js';const tools: AgentTool = ;export function getTools: AgentTool { return tools;}... mvp 进阶版实现逻辑及关键代码解析 不对不对，应该是继续深入探讨。 工具层是 Agent 和真实环境互动的入口。没有工具，模型只Neng生成文本；有了工具，模型才Neng执行动作。 一个Zui小可用的 Agent CLI 通常需要这些工具： src/tools/├── builtin/│ ├── file/│ ├── search/│ ├── shell/│ └── web/├── registry/└── types/ 我们先实现Zui基本的 read 和 write 工具，让 Agent Neng够读写我们的文件 这样 Agent 就Ke以读取我们的本地文件了 在 src/tools/registry/index.ts 内获取 tool 的方法 在 src/tools/types/index.ts 内声明类型定义 在 src/tools/builtin/file/readFileTool.ts 实现读文件的 tool 其实我也Ke以用Gradio添加一个可视化的界面。不过我自己使用就不讲究那么多了。 模型不Neng一次性读完整个仓库，所以 Agent 必须主动选择上下文。上下文层的任务是帮助模型找到“此刻Zui相关的信息”。 好的上下文管理不是把所有内容dou塞给模型，而是逐步检索、逐步阅读、逐步收敛。 Code Agent 的体验好坏，hen大程度上取决于它Neng不Neng在有限上下文窗口里持续找到关键证据。 它的基本形态Ke以概括为： import { useMemo, useState } from "react";import type { FC } from "react";import { Box, Text } from "ink";import Spinner from "ink-spinner";import TextInput from "ink-text-input";import { Agent } from "../agent/Agent.js";...

agent.ts 代码示例详略。

说实话，有时候会想，为什么同样的代码别人就Neng被百度收录，而我的就不行呢？你懂的，可Neng这就是缘分吧。

后续内容会持续geng新……