转发一篇好文 《What We Talk About When We Talk About Agent Infra》

有意思， 所以他的意思就是把 agent 的 workfow 应拆净拆到一个 atomic 语义的步骤然后把各个步骤固定化和容器化以应对 scale 和不确定性问题？

@maolon 是的，超强的抽象能力

我按照这个抽象实现了一个 SkillBox

https://github.com/boxlite-ai/boxlite/pull/170

agent 执行环境的不隔离，执行过程产生的副作用的确是现实问题。

如果把 skills 和执行环境打包，做到无外部依赖、无副作用、可重用、规模化。也许是个不错的方向。

@Reminders +1

@d0r1an #3 我没太明白这个怎么使用，是在 python 中调用这个 SkillBox 么，这个 SkillBox 是不是也应该像 docker 一样提供一个打包好的 image 呢？

@Reminders 这个 skill 是跑在微型虚拟机里面的，独立内核。目的是让 agent 或者 app 调用，例如文章提到的 buy coffee skill

@d0r1an #7 意思是，如果把项目部署在服务器上，我想为每一个用户分配一个 skill_box ，那么每个用户都可以通过

boxlite.SkillBox() as skill_box

创建一个 skill_box 使用是吗？无法服务重启，用户可以无负担在再次创建出一个 skill_box 重新使用嘛？

有趣的思路

@Reminders 是的

和我之前的一个想法特别类似，agent 现在要处理的逻辑层次太多了，每一层都会带来不确定性。或许还有一种思路是，每次遇到不确定性就分配一个 subagent 处理不确定性。因为与其手动封装各种可重入节点，不如让 llm 自己去划分任务的逻辑层次。

@liuchao719 可以一起讨论下，精进整个思路和实现