假设 CI 报了一条测试失败：一个金额计算函数 round_amount(2.005) 应该返回 2.01，实际返回了 2.00，这是典型的浮点精度加银行家舍入问题。把这个任务交给 Codex 后，它并不是”一次性写出一段修复代码”就完事。它需要读相关代码和测试，判断改动范围，在受限环境里运行命令， ...
在前三篇中，我们分别拆解了 OpenAI Agents SDK、Google google-genai SDK 与 Claude Anthropic SDK 的核心运行机制。三大厂商的 SDK 绝非简单的 HTTP 接口封装，它们在 API 设计哲学、工具调用控制权以及多智能体协同上各自做出了鲜明的 ...
在过去，如果直接使用 OpenAI 的基础 SDK（openai 包）构建 Agent，开发者必须手动维护一套繁琐的外层逻辑：发起 Chat Completions 请求、判断模型是否返回了 tool_calls、根据名称分发执行本地函数、将工具执行结果构造为 tool 角色的消息追加到历史数组中， ...
在构建大模型应用与智能体系统时，许多团队习惯于第一时间引入 LangChain、LlamaIndex 等第三方编排框架。这些高层封装确实能在 Demo 阶段快速搭起流水线，但在进入真实生产环境后，工程团队往往要面对沉重的技术债：框架内部多层嵌套导致排错困难、官方模型新特性（如最新推理思考链、原生流式 ...
前面的章节中，为了理清图拓扑、状态流动和分支机制，我们多次用简单的字符串拼接或占位函数模拟了 LLM 的返回结果。在真实的 Agent 系统中，节点的核心工作通常就是与模型交互。
在 LangGraph 中接入模型并不神秘：节点本身就是一个普通的 Python 函数，任何可以通过 Python SD ...
