先看图: 问题所在: 废弃了 pnpm env 命令, 转换成了 pnpm runtime set [node|dono|bun] 这严格来说不是问题, 是我没有阅读文档 阉割安装 node , 导致没有了 npx 命令 这导致我的自动化直接报错: npx : The term 'npx' is not recognized as the name of a cmdlet, function, script file, or operable program. Check the spelling of the name, or if a path was i ncluded, verify that the path is correct and try again. 想要执行 pnpm exec tsc --noEmit 还要先执行 pnpm approve-builds 哪那么多破事啊, 要不是能节约硬盘, 大嘴巴子早糊它脸上了 26 个帖子 - 14 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 1月前我在linuxdo社区发一个文章说写agent，然后很多人喜欢，觉得有用，那么再写一个： 【开源】佬是怎样把skill转为web saas 对外访问服务的 - 我做了4个技术方案开源 资源荟萃 本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 几个月前我… 上次说了4个方案，今天说的是 ： 基于langgraph-runtime和skill的agent，将本地 Agent Skill 包装成 HTTP API 服务： github.com GitHub - liangdabiao/langgraph-runtime-skill-agent: 基于langgraph-runtime和skill的agent，将本地 Agent Skill... 基于langgraph-runtime和skill的agent，将本地 Agent Skill 包装成 HTTP API 服务。用户发起 SSE 请求，Agent 自动选择 Skill、读取流程说明（SKILL.md）、调用脚本或搜索网页，最终流式返回结果。 ## 核心设计原则 本系统遵循 **"模型负责判断和编排，脚本负责确定性执行"** 的架构 客观来说，这是传统的技术方案，我自己是不喜欢用的，但是作为一个案例介绍还是有用的，传统的langgraph怎样把skill转为agent,变成Agent API,对外提供服务。 实际效果演示： 这个方案好处就是传统简单，就是ReAct agent, 弱点就是，这种简单agent，谁都可以做，怎样赚钱？作为教材学习还行，我是推荐 claude-agent-sdk, flue 这种现代harness框架： github.com GitHub - liangdabiao/flue-framework-skill: Covers createAgent, init, defineTool,... Covers createAgent, init, defineTool, defineAgentProfile, routing, SSE streaming, production deployment, and all known pitfalls. --- # Flue Framework Skill Flue is a TypeScript framework for building AI agents using the harness-driven architecture. This skill provides comprehensive guidance for creating, developing, and deploying Flue agents 1 个帖子 - 1 位参与者 阅读完整话题
最近这段时间，我一直在做 Agent Runtime 。 然后越做越发现一个问题。 现在很多 Agent Demo ，看起来真的很猛。 会规划。 会调用 Tool 。 会 MCP 。 会 Multi-Agent 。 还能自己拆任务。 但问题是。 这些东西很多时候只适合 Demo 。 一旦真的开始接企业里的系统，问题马上就开始出现。 比如： 一个长任务执行 20 分钟之后，上下文乱了怎么办？ 多个 Agent 同时修改状态，memory 冲突怎么办？ AI 调错 Tool 了怎么办？ 任务执行到一半挂了，怎么恢复？ 企业里的权限怎么隔离？ 出了问题之后，怎么审计？ 这些问题其实都不是 Prompt 能解决的。 甚至很多都已经不是“大模型问题”。 而是 Runtime 问题。 我现在越来越觉得，现在很多人其实高估了 Agent 的“智能”，但低估了 Agent 真正进入生产环境的难度。 因为 AI 一旦开始真正“做事”，而不是聊天，它碰到的问题会越来越像： 分布式系统 状态机 调度系统 工作流引擎 权限系统 而不是 Prompt Engineering 。 所以我最近在做的东西，核心已经不是“怎么让 Agent 更聪明”。 反而是： 怎么让 Agent 不失控。 现在我的思路有点像： Runtime 负责管理。 Agent 负责干活。 用户请求进来之后，Runtime 先做路由，再把任务交给不同领域的“数字员工”。 每个员工只负责自己领域内的事情。 然后 Runtime 去解决： 权限 memory 调度 sandbox 状态恢复 多 Agent 协同 Human-in-the-loop 这些问题。 我现在甚至有一种感觉。 未来企业真正需要的，可能根本不是一个“超级 Agent”。 而是一套稳定的数字员工系统。 而真正难的部分，也不是模型。 而是 Runtime 。
最近这段时间，我一直在做 Agent Runtime 。 然后越做越发现一个问题。 现在很多 Agent Demo ，看起来真的很猛。 会规划。 会调用 Tool 。 会 MCP 。 会 Multi-Agent 。 还能自己拆任务。 但问题是。 这些东西很多时候只适合 Demo 。 一旦真的开始接企业里的系统，问题马上就开始出现。 比如： 一个长任务执行 20 分钟之后，上下文乱了怎么办？ 多个 Agent 同时修改状态，memory 冲突怎么办？ AI 调错 Tool 了怎么办？ 任务执行到一半挂了，怎么恢复？ 企业里的权限怎么隔离？ 出了问题之后，怎么审计？ 这些问题其实都不是 Prompt 能解决的。 甚至很多都已经不是“大模型问题”。 而是 Runtime 问题。 我现在越来越觉得，现在很多人其实高估了 Agent 的“智能”，但低估了 Agent 真正进入生产环境的难度。 因为 AI 一旦开始真正“做事”，而不是聊天，它碰到的问题会越来越像： 分布式系统 状态机 调度系统 工作流引擎 权限系统 而不是 Prompt Engineering 。 所以我最近在做的东西，核心已经不是“怎么让 Agent 更聪明”。 反而是： 怎么让 Agent 不失控。 现在我的思路有点像： Runtime 负责管理。 Agent 负责干活。 用户请求进来之后，Runtime 先做路由，再把任务交给不同领域的“数字员工”。 每个员工只负责自己领域内的事情。 然后 Runtime 去解决： 权限 memory 调度 sandbox 状态恢复 多 Agent 协同 Human-in-the-loop 这些问题。 我现在甚至有一种感觉。 未来企业真正需要的，可能根本不是一个“超级 Agent”。 而是一套稳定的数字员工系统。 而真正难的部分，也不是模型。 而是 Runtime 。
最近这段时间，我一直在做 Agent Runtime 。 然后越做越发现一个问题。 现在很多 Agent Demo ，看起来真的很猛。 会规划。 会调用 Tool 。 会 MCP 。 会 Multi-Agent 。 还能自己拆任务。 但问题是。 这些东西很多时候只适合 Demo 。 一旦真的开始接企业里的系统，问题马上就开始出现。 比如： 一个长任务执行 20 分钟之后，上下文乱了怎么办？ 多个 Agent 同时修改状态，memory 冲突怎么办？ AI 调错 Tool 了怎么办？ 任务执行到一半挂了，怎么恢复？ 企业里的权限怎么隔离？ 出了问题之后，怎么审计？ 这些问题其实都不是 Prompt 能解决的。 甚至很多都已经不是“大模型问题”。 而是 Runtime 问题。 我现在越来越觉得，现在很多人其实高估了 Agent 的“智能”，但低估了 Agent 真正进入生产环境的难度。 因为 AI 一旦开始真正“做事”，而不是聊天，它碰到的问题会越来越像： 分布式系统 状态机 调度系统 工作流引擎 权限系统 而不是 Prompt Engineering 。 所以我最近在做的东西，核心已经不是“怎么让 Agent 更聪明”。 反而是： 怎么让 Agent 不失控。 现在我的思路有点像： Runtime 负责管理。 Agent 负责干活。 用户请求进来之后，Runtime 先做路由，再把任务交给不同领域的“数字员工”。 每个员工只负责自己领域内的事情。 然后 Runtime 去解决： 权限 memory 调度 sandbox 状态恢复 多 Agent 协同 Human-in-the-loop 这些问题。 我现在甚至有一种感觉。 未来企业真正需要的，可能根本不是一个“超级 Agent”。 而是一套稳定的数字员工系统。 而真正难的部分，也不是模型。 而是 Runtime 。
最近这段时间，我一直在做 Agent Runtime 。 然后越做越发现一个问题。 现在很多 Agent Demo ，看起来真的很猛。 会规划。 会调用 Tool 。 会 MCP 。 会 Multi-Agent 。 还能自己拆任务。 但问题是。 这些东西很多时候只适合 Demo 。 一旦真的开始接企业里的系统，问题马上就开始出现。 比如： 一个长任务执行 20 分钟之后，上下文乱了怎么办？ 多个 Agent 同时修改状态，memory 冲突怎么办？ AI 调错 Tool 了怎么办？ 任务执行到一半挂了，怎么恢复？ 企业里的权限怎么隔离？ 出了问题之后，怎么审计？ 这些问题其实都不是 Prompt 能解决的。 甚至很多都已经不是“大模型问题”。 而是 Runtime 问题。 我现在越来越觉得，现在很多人其实高估了 Agent 的“智能”，但低估了 Agent 真正进入生产环境的难度。 因为 AI 一旦开始真正“做事”，而不是聊天，它碰到的问题会越来越像： 分布式系统 状态机 调度系统 工作流引擎 权限系统 而不是 Prompt Engineering 。 所以我最近在做的东西，核心已经不是“怎么让 Agent 更聪明”。 反而是： 怎么让 Agent 不失控。 现在我的思路有点像： Runtime 负责管理。 Agent 负责干活。 用户请求进来之后，Runtime 先做路由，再把任务交给不同领域的“数字员工”。 每个员工只负责自己领域内的事情。 然后 Runtime 去解决： 权限 memory 调度 sandbox 状态恢复 多 Agent 协同 Human-in-the-loop 这些问题。 我现在甚至有一种感觉。 未来企业真正需要的，可能根本不是一个“超级 Agent”。 而是一套稳定的数字员工系统。 而真正难的部分，也不是模型。 而是 Runtime 。
最近这段时间，我一直在做 Agent Runtime 。 然后越做越发现一个问题。 现在很多 Agent Demo ，看起来真的很猛。 会规划。 会调用 Tool 。 会 MCP 。 会 Multi-Agent 。 还能自己拆任务。 但问题是。 这些东西很多时候只适合 Demo 。 一旦真的开始接企业里的系统，问题马上就开始出现。 比如： 一个长任务执行 20 分钟之后，上下文乱了怎么办？ 多个 Agent 同时修改状态，memory 冲突怎么办？ AI 调错 Tool 了怎么办？ 任务执行到一半挂了，怎么恢复？ 企业里的权限怎么隔离？ 出了问题之后，怎么审计？ 这些问题其实都不是 Prompt 能解决的。 甚至很多都已经不是“大模型问题”。 而是 Runtime 问题。 我现在越来越觉得，现在很多人其实高估了 Agent 的“智能”，但低估了 Agent 真正进入生产环境的难度。 因为 AI 一旦开始真正“做事”，而不是聊天，它碰到的问题会越来越像： 分布式系统 状态机 调度系统 工作流引擎 权限系统 而不是 Prompt Engineering 。 所以我最近在做的东西，核心已经不是“怎么让 Agent 更聪明”。 反而是： 怎么让 Agent 不失控。 现在我的思路有点像： Runtime 负责管理。 Agent 负责干活。 用户请求进来之后，Runtime 先做路由，再把任务交给不同领域的“数字员工”。 每个员工只负责自己领域内的事情。 然后 Runtime 去解决： 权限 memory 调度 sandbox 状态恢复 多 Agent 协同 Human-in-the-loop 这些问题。 我现在甚至有一种感觉。 未来企业真正需要的，可能根本不是一个“超级 Agent”。 而是一套稳定的数字员工系统。 而真正难的部分，也不是模型。 而是 Runtime 。
为什么做 copilot-agent-lite ？ 最新版本：v2.4.3 Repo https://github.com/bbfans/copilot-agent-lite 很多项目需要一个轻量、零依赖、可 cron 自动化的 AI Agent Runtime ，但又不想上来就搞八小时的 LangChain + Dapr 重栈。 copilot-agent-lite 就是答案。 核心痛点 Claude Code / Codex CLI 都是手动触发，需要人工坐在终端前 项目检查、自动修复、提交 PR 等任务需要定时执行 Copilot SDK 与 MCP server 的集成路径文档缺失 许多现有方案都需要容器化或外部 broker 在 Free Github / Github Enterprise 测试通过 希望大家 一键三联，点赞关注，star ，欢迎提建议 介绍： https://bbfans.github.io/blog/2025-05-16-copilot-agent-lite-release/ 谢谢
为什么做 copilot-agent-lite ？ 最新版本：v2.4.3 Repo https://github.com/bbfans/copilot-agent-lite 很多项目需要一个轻量、零依赖、可 cron 自动化的 AI Agent Runtime ，但又不想上来就搞八小时的 LangChain + Dapr 重栈。 copilot-agent-lite 就是答案。 核心痛点 Claude Code / Codex CLI 都是手动触发，需要人工坐在终端前 项目检查、自动修复、提交 PR 等任务需要定时执行 Copilot SDK 与 MCP server 的集成路径文档缺失 许多现有方案都需要容器化或外部 broker 在 Free Github / Github Enterprise 测试通过 希望大家 一键三联，点赞关注，star ，欢迎提建议 介绍： https://bbfans.github.io/blog/2025-05-16-copilot-agent-lite-release/ 谢谢
为什么做 copilot-agent-lite ？ 最新版本：v2.4.3 Repo https://github.com/bbfans/copilot-agent-lite 很多项目需要一个轻量、零依赖、可 cron 自动化的 AI Agent Runtime ，但又不想上来就搞八小时的 LangChain + Dapr 重栈。 copilot-agent-lite 就是答案。 核心痛点 Claude Code / Codex CLI 都是手动触发，需要人工坐在终端前 项目检查、自动修复、提交 PR 等任务需要定时执行 Copilot SDK 与 MCP server 的集成路径文档缺失 许多现有方案都需要容器化或外部 broker 在 Free Github / Github Enterprise 测试通过 希望大家 一键三联，点赞关注，star ，欢迎提建议 介绍： https://bbfans.github.io/blog/2025-05-16-copilot-agent-lite-release/ 谢谢
我有一个很好玩的想法：让人类来扮演ai 就是openai response格式，里面有上下文和提供的tool啊这种，然后ai不就能运行吗； 我要做的就是让人来mock ai，给做一个网页的操作界面，然后人类可以看到ai发过来的请求与它提供的工具等，然后人类就可以做决定、输出话语、输出要运行的命令等等，然后这ai不就也运行起来了吗！ 更进一步的，为了加快速度，我建议网页操作里面可以内嵌快速的ai，给人类的操作改成选择题，或者人类给出简短的文字ai帮忙补全完整的。 让codex给我做一个玩，谁还不想上班的时候急头白脸的当一回客服呢 12 个帖子 - 8 位参与者 阅读完整话题
API Error: 500 Panic detected, error: runtime error: invalid memory address or nil pointer dereference. Please submit a issue here: https://github.com/Calcium-Ion/new-api . This is a server-side issue, usually temporary — try again in a moment. If it persists, check status.claude.com . 有一个月没用 anyrouter 了，最近刚开始用提示 1m 之类（之前用 4.6 已经用 1m 了），自己摸索设置后，就提示 500 错误，让 Claude 网页咨询处理了好几次还是这样，我之前在 L 站听说什么 CCH 、head 之类相关，让 ai 分析后处理也不行，还请高手指点迷津，万分感谢🙏 https://i.imgur.com/4o1PJKY.png
开源了一个音频可视化视频编辑器，前后端从零写的 之前做音乐平台，需要一个能把音频渲染成可视化视频的功能。 找到了 specterr.com ，效果挺符合需求的，但没有开源，也没法直接集成。想着功能也不是黑魔法，就自己照着产品逻辑从零写了一个。 项目叫 Spectral ： https://github.com/charmlinn/spectral 能做什么 在浏览器里编辑音频可视化项目，实时预览效果，导出成视频文件。 支持波形、频谱、粒子、歌词轨道、backdrop 媒体、logo 叠加这些。 写这个最头疼的一个问题 浏览器预览一套逻辑，后端渲染另一套，效果总对不上。 所以这个项目的核心设计就一条： 前端预览和后端 Worker 尽量共用同一份数据结构和同一套渲染实现 。 后端用 Headless Chromium 加载同一个 PixiJS Runtime ，逐帧 capture PNG ，再 ffmpeg 编成视频。不完美但至少不会两边跑出两种效果。 技术栈 Monorepo：pnpm workspaces + Turbo Web：Next.js 16 / React 19 / TypeScript 渲染：PixiJS 音频分析：Web Audio / FFT 数据库：PostgreSQL + Prisma 队列：Redis + BullMQ 存储：Cloudflare R2 / 本地 MinIO Worker：Node.js + Chromium DevTools Protocol + ffmpeg 本地环境：Docker Compose 目前状态 链路是通的，本地 pnpm dev:all 起来可以走完编辑 → 导出 → 视频产物的完整流程。 不是什么成熟产品，更像一个可以跑起来研究的东西。README 有完整本地启动教程， pnpm smoke:export 可以跑一次端到端测试。 对 PixiJS 可视化、前后端渲染同构、或者音乐类产品感兴趣的可以看看，欢迎聊。
疑似程序测试后留下的残留,怎么才能控制 2 个帖子 - 2 位参与者 阅读完整话题
nodejs.org Node.js — Node.js 26.0.0 (Current) Node.js® is a free, open-source, cross-platform JavaScript runtime environment that lets developers create servers, web apps, command line tools and scripts. 我们很高兴宣布Node.js 26的发布！亮点包括默认启用的时序API， 更新了 V8 JavaScript 引擎至 14.6，Undici 更新至 8.0，以及若干重要的弃用和移除 随着我们不断现代化平台。 提醒一下，Node.js 26将在十月进入长期支持（LTS），但在那之前，它将作为未来六个月的“当前”版本。 我们鼓励您探索此次最新版本带来的新功能和优势，并评估它们对您的应用的潜在影响。 2 个帖子 - 2 位参与者 阅读完整话题
记一次 OpenClaw 的开源代码贡献。 给 OpenClaw 修了一个多 Agent 协作场景下的参数边界问题，避免 sessions_spawn 在特定 runtime 切换时误拦截子任务启动。这个修改也在 2026.4.26 版本中被应用。 改动不大，但能进入 OpenClaw 的 changelog，也算是在这个颇具影响力的项目里，留下了自己的几行代码。 6 个帖子 - 4 位参与者 阅读完整话题
Panic detected, error: runtime error: invalid memory address or nil pointer dereference 各位佬 有遇到吗？伤心 3 个帖子 - 1 位参与者 阅读完整话题
runtime error: invalid memory address or nil pointer dereference Claude code分析错误原因： 佬友有遇到类似的问题如何解决的吗？ 2 个帖子 - 1 位参与者 阅读完整话题
现在用 anyrouter ，提示： 500 {"error":{"message":"Panic detected, error: runtime error: invalid memory address or nil pointer dereference. Please submit a issue here: https://github.com/Calcium-Ion/new-api ","type":"new_api_panic"}} 有遇到的兄弟吗？
new_api_panic: Panic detected, error: runtime error: invalid memory address or nil pointer dereference. Please submit a issue here: GitHub - QuantumNous/new-api: A unified AI model hub for aggregation & distribution. It supports cross-converting various LLMs into OpenAI-compatible, Claude-compatible, or Gemini-compatible formats. A centralized gateway for personal and enterprise model management. 🍥 · GitHub | Upstream: {“error”:{“message”:“Panic detected, error: runtime error: invalid memory address or nil pointer dereference. Please submit a issue here: https://github.com/Calcium-Ion/new-api",“type”:"new_api_panic ”}} 2 个帖子 - 2 位参与者 阅读完整话题