Agent 框架赛道
数据核实：2026-06-23 · 风险项目见 选题策略
第一次来？ 直接进入 → 16 章系统性导读（53 万字，从”什么是 Agent”到”竞赛实战交付”）
6 个竞赛项目：LangChain、LangGraph、CrewAI、Agno、tRPC-Agent-Go、tRPC-Agent-Python
核心问题：如何构建可靠的 AI Agent 应用？从链式调用到有状态工作流，从单 Agent 到多 Agent 协作，不同框架的抽象层次和生态策略。
阅读路线
竞赛路径（优先 tRPC-Agent）：行业全景 → 赛道深度分析 → 精读 trpc-agent-go → 精读 trpc-agent-python → 技术挑战 → 竞赛实战（guide Ch16）
深度学习路径：行业全景 → 赛道深度分析 → 逐项精读（6 个框架）→ 技术挑战 → 扩展研究
研究笔记
| 层次 | 文档 |
|---|---|
| 行业全景 | 行业全景 |
| 深度分析 | 赛道深度分析 · 技术挑战 |
| 项目精读 | tRPC-Agent-Go · tRPC-Agent-Python · LangChain · LangGraph · CrewAI · Agno |
Claude Code 专题路线：生态定位 → 总架构 → 工具循环 → 多 Agent → Prompt → Workflow → vs 开源框架
Codex 专题路线：产品全景 → 总架构 → 工具循环 → App Server → 沙箱 → 记忆 → Prompt → vs 开源框架
扩展研究：Claude Code 架构分析
Anthropic 官方 AI 编程助手（512K+ 行 TypeScript），当前最成熟的商业级 Agent 系统。
| 文档 | 内容 | nav_order |
|---|---|---|
| 生态定位 | 三种产品形态、五个独特性、市场趋势 | 51 |
| 总架构 | 五层架构、queryLoop 核心循环 | 53 |
| 工具循环 | 7 阶段管线、8 步权限检查 | 54 |
| 多 Agent | Subagent → Swarm 四层递进 | 55 |
| System Prompt | 组装链路、5 级优先级 | 56 |
| Dynamic Workflow | 编排外置、5 原语 API | 57 |
| vs 开源框架 | 8 维度对比矩阵 | 81 |
扩展研究：OpenAI Codex 架构分析
Apache-2.0 开源 AI 编程 Agent（124 Rust crates），展示与 Claude Code 截然不同的设计哲学。
| 文档 | 内容 |
|---|---|
| 产品全景 | CLI/App/IDE/Cloud/SDK 产品矩阵 |
| 总架构 | 四层架构、run_turn 循环 |
| 工具循环 | ExecPolicy → Sandbox 三阶段 |
| App Server | JSON-RPC 2.0 协议 |
| 沙箱与安全 | 三平台 OS 沙箱 |
| 记忆系统 | 两阶段 pipeline |
| Prompt 工程 | AGENTS.md 注入、Skills |
| vs 开源框架 | 全维度对比 |
跨赛道关联：完整的跨赛道索引见 跨赛道专题（含 AI 记忆、沙箱相关文档汇总）。
研究来源：Claude Code — 本地泄露源码精读 + system_prompts_leaks 仓库；Codex — github.com/openai/codex 开源仓库精读。
竞赛速查（Ch16 摘要）
完整竞赛指南 → guide Ch16
目标项目：tRPC-Agent-Go（多 Agent 协作框架，Go >= 1.21）
第一周 checklist：
- Day 1-2：头脑风暴 + 调研可行方向
- Day 3-4：确定方向 + 写设计文档
- Day 5-7：
go mod init→ 引入 tRPC-Agent-Go → 设置OPENAI_API_KEY→ 跑通 HelloAgent → 最小原型 PoC
环境矩阵：
| 环境 | 能做什么 | 不能做什么 |
|---|---|---|
| 任意 OS + Go 1.21+ | 全功能——Agent 开发、多 Agent 编排、工具插件、StateGraph、单元测试 | 无明显限制（纯 Go + LLM API） |
| 无 LLM API Key | 代码阅读、架构分析、单元测试（mock LLM） | 端到端 Agent 运行、真实多轮对话测试 |
已知风险：选题太大（第五周还在改选题基本没救）；伪多 Agent（一个 Agent 能搞定硬拆成三个）；过度依赖 LLM（不做确定性验证）；成本失控（每次 GPT-4，Demo 花 50 美金）；Demo 临时准备。评判权重：技术创新 30% / 工程完备度 25% / 应用价值 25% / 文档展示 20%。
读完竞赛路径后你应能…
- tRPC-Agent 的 ReAct 循环实现与 LangGraph 的 StateGraph 在状态管理上有什么核心区别？
- 多 Agent 协作中，tRPC-Agent 的 Team 模式与 CrewAI 的角色扮演模式各自适合什么场景？
- 给你一个 tRPC-Agent 的 issue（如新增工具插件），你知道 Go 版和 Python 版的代码结构差异，以及该从哪个版本入手吗？