继续聊Agent经济之AI Agent搭建新方法论
今天下午花了点时间研究了一下LangChain开源的Deep Agents的设计架构。
它的设计思想借鉴了Claude Code，与 @SentientAGI 最新推出的ROMA（递归式开源元Agent）+GRID的Agent协作网络架构大同小异。
它们都有一个顶尖商用LLM（第一选择是Claude Sonnet4）驱动的元Agent负责创建、规划和管理 ToDo List 任务列表，然后由一个路由节点将任务分发给子Agent去处理，而子Agent同时继承的元Agent的特性，可以递归式地进一步分解任务和分发任务更次一级的子Agent。
Deep Agents明确是有状态的，会有一个虚拟文件系统管理从MCP获取数据、存储和协作。这点与 @ReiNetwork0x 的Agent系统设计相似，但不如后者Agent状态管理系统结构复杂。而 Sentient目前尚未明确有没有状态管理。
就我个人使用体验而言，Sentient和REI这种AI x Crypto 的Agent架构基本与SOTA架构保持在同一水平线。与上一个版本的AI Agent框架AI16Z和Swarm不同，它们交付的是一套真实可用的AI Agent产品，而不是X上的shitposter机器人。
AI Agent正在超越自动化（标准范式：LLM+Memory+Tools）进入初步自主化阶段（标准范式：元Agent+状态管理系统+集成Tools+子Agent）。
AI的学习，将不仅发生在Token水平，同时发生在Agent水平。
