本文档介绍了如何构建一个能与GitHub交互的AI Agent系统。系统采用模块化设计，包含工具层（调用GitHub API）、模型层（封装Gemini LLM）、代理组装层（结合LLM和工具）和服务层（提供API接口）。关键技术点包括：使用BaseTool定义GitHub操作工具、通过CustomGeminiChatModel封装LLM、创建AgentExecutor实现思考-行动循环，以及统一

本文档介绍了如何构建一个能与GitHub交互的AI Agent系统。系统采用模块化设计，包含工具层（调用GitHub API）、模型层（封装Gemini LLM）、代理组装层（结合LLM和工具）和服务层（提供API接口）。关键技术点包括：使用BaseTool定义GitHub操作工具、通过CustomGeminiChatModel封装LLM、创建AgentExecutor实现思考-行动循环，以及统一

本文解析了Agent如何通过ReAct模式自主调用list_repository_files工具获取GitHub仓库信息。该过程包含四个角色：用户提出问题、LLM（Google Gemini）进行推理、工具执行代码、AgentExecutor协调交互。流程分为三个阶段：1）LLM分析问题并生成指令；2）AgentExecutor拦截指令并调用工具执行；3）将结果反馈给LLM生成最终答案。代码实现体

本文记录了py-github-agent项目中解决Google Gemini模型astream方法无法实现"打字机"效果的问题。诊断发现，自定义封装类CustomGeminiChatModel未实现_astream方法导致一次性输出。通过添加_astream方法并包装返回值后，发现Gemini API在REST模式下固有行为是逐句而非逐词流式输出。测试表明，代码封装正确，问题根

本文记录了py-github-agent项目中解决Google Gemini模型astream方法无法实现"打字机"效果的问题。诊断发现，自定义封装类CustomGeminiChatModel未实现_astream方法导致一次性输出。通过添加_astream方法并包装返回值后，发现Gemini API在REST模式下固有行为是逐句而非逐词流式输出。测试表明，代码封装正确，问题根

本文探讨了在异步编程中使用aiohttp.ClientSession时管理资源的最佳实践。通过分析三种方案：析构函数__del__（无法异步调用）、每次调用创建新Session（性能低下）和异步上下文管理器async with，指出后者是最佳选择。实现__aenter__和__aexit__方法可确保Session在代码块结束时自动关闭，既保证了资源释放的可靠性，又保持了连接复用的高效性。这种方案

如果你在写爬虫，爬取任意网站 -> 用普通的aiohttp。如果你在写 GitHub App / 工具-> 请务必用gidgethub。它不是为了取代aiohttp，而是为了让你在aiohttp上更舒服地操作 GitHub API。

本文解析了FastAPI中BackgroundTasks的使用方法，通过webhook_test接口案例演示其工作原理。BackgroundTasks允许在返回HTTP响应后执行耗时操作，提升用户体验。文章对比了它与Python多线程(threading)的区别：BackgroundTasks集成度高、资源消耗低但串行执行，适合轻量级任务；而threading并发性更好但管理复杂，适合CPU密集型

如果不想用 heavy 的pycharmvscode 也是1个很好的选择。

本文系统探讨了Python异步编程的核心概念，重点分析了同步迭代与异步迭代的本质区别。文章指出async for是遍历异步迭代器的唯一语法，其关键在于__anext__()方法允许在I/O等待时让出CPU。通过类比厨师烧水的例子，阐释了异步I/O的"非阻塞"价值。同时强调真正的并发需要结合asyncio.create_task的任务分发机制，而非单纯依赖await。文章澄清了常