分离大脑、环境和界面。

HN Indie AI Startups 2026-06-29T03:12:04.252031

学习 Agent 架构
阅读小型 Python 层
运行真实的终端 Agent

01 作为课程体系的编码 Agent

Ⅰ 模型成为流

Provider 适配器将模型响应转换为 Provider 无关的事件，供 Agent 的其余部分消费。

Ⅱ Agent 循环

可重用的框架：消息、工具、对话记录状态、取消、队列提示、会话。

Ⅲ 它变得实用

编码环境：文件、Shell、持久会话、技能、斜杠命令和 Textual TUI。

课程要点

每个运动部件都可见。

Tau 回答了教程跳过的问题：Agent 循环 究竟 是什么？工具调用从何而来？对话记录如何增长？会话如何在进程退出后持久存在？

模型流 → 令牌（token）、工具请求、思考增量
↓
事件流 → 层之间的契约
↓
Agent 循环 → 决策、调用工具、更新对话记录
↓
会话 → 可检查的 JSONL 历史记录
前端 → 打印、Rich 或 TUI

核心思想

分离大脑、环境和界面。

整门课程就是边界。可重用的框架不得依赖终端、文件路径或 Rich 渲染。这些只是包裹框架——它们从不位于框架内部。

AgentHarness = 可重用的 Agent 大脑
AgentSession = 编码 Agent 环境
TUI          = 一种可能的前端

依赖方向
tau_coding → tau_agent → tau_ai

02 你能从 Tau 中学到什么

• Provider 无关的流式接口
• 请求并执行工具的 Agent 循环
• 用于读取、写入、编辑和 Bash 的类型化本地工具
• 位于 ~/.tau/sessions 的持久会话
• 会话恢复、分支、JSONL 导出和 HTML 导出
• 项目指令、技能和提示模板
• 斜杠命令和模型/Provider 选择
• 上下文核算、压缩和思考控制
• 如何将 Textual 保留在 UI 适配器边界之后

03 教学原则

小层级胜过魔法

每个包只做一件事。分别研究 Provider 层、框架和编码应用。

事件让 Agent 可教学

Agent 发出一个你可以渲染、测试和导出的流——而不是隐藏在回调中的控制流。

足够真实，有意义

教育性，不是玩具。在阅读其背后代码的同时，将其作为真实的终端 Agent 运行。

文档紧随实现

按阶段构建，每个阶段都附有添加了什么、为什么以及如何适应的说明。

灵感来源

受 Pi 启发，作为 Python 学习路径编写。

Tau 借鉴了 Pi 的架构教训——保持框架、环境和 UI 分离。不是逐行移植；而是基于相同核心思想的教育性 Python 实现。

τ › 解释 Agent 循环

  流     模型事件
  请求   工具调用
  执行   读取/编辑/Bash
  追加   对话记录条目
  渲染   打印模式或 TUI

τ 构建你自己的 Agent 的地图：从事件开始，添加循环，用框架包裹，然后赋予它工具和 UI。

$ uv tool install tau-ai

查看原文