文章摘要 本文是AI Agent框架实现系列的第二篇，重点讨论工具系统的设计与演化。主要内容包括： 工具系统必要性：Agent Loop负责决策，工具系统负责执行，没有工具系统的Agent无法实际完成任务。 最小工具系统实现：展示了一个基础工具系统的核心组件（注册、分发调用、生成Schema），并通过天气查询和邮件发送的示例说明工作原理。 工程演进问题： 工具Schema自动生成（避免手写JSON

手法解决什么问题Token 成本反模式接种模型默认行为不符合预期爆炸半径框架穷举禁止清单不可扩展工具偏好映射表模型倾向于用 shell 而非专用工具~80 tokens7 层递进结构组织方式影响模型遵循程度0（重新组织而已）成本不到 400 tokens，买来的是模型行为质的提升。下一篇：权限与安全系统——别让 Agent 乱跑。

从零到一实现一个 AI Agent 框架 · 第一篇。

把旧对话压缩成一段摘要，用摘要替代原始内容。old = messages[:-WINDOW_SIZE] # 窗口外的消息summary = llm.summarize(old) # LLM 压缩def summarize_old_turns(messages) : old = messages [ : - WINDOW_SIZE ] # 窗口外的消息 summary = llm . summari

从零到一实现一个 AI Agent 框架 · 第六篇。

本文介绍了AI Agent框架中的任务规划系统，重点阐述了如何通过任务拆解和管理实现复杂目标的高效执行。文章从实际场景切入，对比有无任务规划的区别，提出最小任务模型应包含ID、描述和状态三个基本属性。随着需求深入，逐步引入依赖关系(DAG)解决任务顺序问题，并讨论工程实现中的关键挑战：单线程限制处理、依赖解除机制、持久化存储和引用清理等。最后展示了Axon框架的任务系统架构和核心代码实现，包括任务

从零到一实现一个 AI Agent 框架 · 第九篇🚧 项目正在积极开发中，欢迎 Star、提 Issue 和 PR 参与共建！

从零到一实现一个 AI Agent 框架 · 第八篇🚧 项目正在积极开发中，欢迎 Star、提 Issue 和 PR 参与共建！

从零到一实现一个 AI Agent 框架 · 第九篇。

不是所有 Shell 命令都需要确认。lscatpwd这些明显安全——但判断不能靠直觉，要有一个明确的规则列表。Axon 的思路是黑名单模式/\brm\s+(-[^\s]*[rf][^\s]*|.*\*)/, // rm -rf 或 rm 通配符/\bsudo\b/, // 提权/\bgit\s+(push|reset|clean|checkout\s+\.|branch\s+-D)\b/, //