# 调研:主流智能体开发框架与 Marqdo「代码即文档 / 文档即知识库」优势 | | | |---|---| | 状态 | **调研笔记 · 供 `ext/agent` 深入优化参考** | | 日期 | 2026-08-28 | | 范围 | 2025–2026 开源/厂商智能体框架形态;对照 Marqdo `ext/ai/agent` 设计 | | 相关设计 | [ext-agent.md](../design/ext-agent.md) · [ext-agent-plan.md](../design/ext-agent-plan.md) · [ext-agent-parent.md](../design/ext-agent-parent.md) · [okf.md](../design/okf.md) · [stdlib-writeback.md](../design/stdlib-writeback.md) · [stdlib-subtask.md](../design/stdlib-subtask.md) | | 姊妹调研 | [okf-and-marqdo.md](okf-and-marqdo.md) · **A0–A4 后缺口** [agent-framework-gaps-after-a4.md](agent-framework-gaps-after-a4.md) | | 外部对照(抽样) | [Langfuse 框架对比(2026-07)](https://langfuse.com/blog/2025-03-19-ai-agent-comparison) · [LangGraph persistence](https://docs.langchain.com/oss/python/langgraph/persistence) · [Microsoft Agent Framework / AutoGen 维护模式](https://github.com/microsoft/autogen) · CrewAI / OpenAI Agents SDK / Claude Agent SDK / Google ADK / LlamaIndex 公开文档 | --- ## 0. 一句话结论 主流智能体框架几乎都在解决同一组工程问题——**编排、工具、状态、记忆、可观测、人机协同**——但它们的「权威真相」默认落在 **Python/TS 对象图 + 会话 transcript + 外部 Store/向量库** 上。 Marqdo 的宪法把权威真相定在 **可执行 Markdown(`.mq.md`)**:人写的程序、模型读的提示、执行后的写回、可复用的任务技能,是**同一份文档的不同生命阶段**。这不是「又一个 Agent SDK」,而是把 **Agent 开发本身做成文档工程**。 由此产生的突出优势(后文展开): 1. **编排可读 = 提示词不再黑盒**(源码即上下文) 2. **过程可审 = 写回进源文件,而不是只进遥测平台** 3. **记忆可 git = 成功经验晋升为任务知识包(OKF),审计=仓库历史** 4. **复杂任务=子程序,而不是无限加长的 chat**(工作簿 + `subtask`) 5. **确定步骤固化为代码,不确定步骤才问模型**(父 Plan-and-Move) 6. **语言与知识形态同构**(与 Google OKF「Markdown 知识包」同向,但多走「可执行」一步) **优化 `ext/agent` 时应守住这些差异化,而不是向 LangChain 类「隐藏循环 + TOOL: 协议」回退。** --- ## 1. 调研方法与边界 ### 1.1 做了什么 | 动作 | 说明 | |------|------| | 横向扫盘 | 2026 年主流开源框架:LangGraph / LangChain DeepAgents、CrewAI、OpenAI Agents SDK、Claude Agent SDK、Google ADK、Microsoft Agent Framework(AutoGen 继承者)、Pydantic AI、LlamaIndex、Strands、Mastra / Vercel AI SDK、smolagents 等 | | 结构抽象 | 抽取「框架如何形成」的共性分层,而不是比 GitHub stars | | 对照本仓 | 精读 `ext-agent*`、`okf`、`writeback`、`subtask`、parent Plan-and-Move;对照旧 TOOL: 薄循环为何被否定 | | 找优越点 | 只保留 **Marqdo 结构上必然领先**、而非「以后可以加插件追上」的点 | ### 1.2 不做的 - 不宣称 Marqdo 在吞吐、多模态、托管运维上已全面领先(这些不是当前差异化)。 - 不把「有没有向量检索」当成胜负手——那是应用层可加能力。 - 不做厂商营销话术复读;优缺点按**开发者体验与系统真相源**评。 --- ## 2. 智能体框架是怎么「形成」的 无论品牌如何包装,成熟框架通常收敛为同一条装配线: ```text ┌─────────────────────────────────────────────────────────────┐ │ 1. Model I/O │ │ 补全 / 工具调用 / 流式 / 多模供应商适配 │ ├─────────────────────────────────────────────────────────────┤ │ 2. Agent 单元 │ │ 指令(system) + 工具表 + 可选角色/人设 │ ├─────────────────────────────────────────────────────────────┤ │ 3. 编排(Orchestration) │ │ 图 / 角色队 / 对话群 / 工作流 API / supervisor │ ├─────────────────────────────────────────────────────────────┤ │ 4. 状态与记忆 │ │ 短:thread checkpoint / 会话历史 │ │ 长:Store / 向量 RAG / 用户偏好库 │ ├─────────────────────────────────────────────────────────────┤ │ 5. 工具与行动面 │ │ 函数 schema、MCP、沙箱、权限、CodeAct │ ├─────────────────────────────────────────────────────────────┤ │ 6. 可观测与治理 │ │ Trace、评测、护栏、HITL、配额 │ └─────────────────────────────────────────────────────────────┘ ``` ### 2.1 三种主流「编排哲学」 | 范式 | 核心隐喻 | 代表 | 可预测性 | 原型速度 | |------|----------|------|----------|----------| | **图 / 状态机** | 节点=步骤,边=转移,状态显式 | LangGraph、Google ADK workflow、MAF workflows | 高 | 中–慢(先画图) | | **角色协作** | Agent=工种,Crew=班组 | CrewAI、早期 AutoGen 群聊 | 中 | 快 | | **薄循环 + 工具** | 「模型自己决定下一步」 | OpenAI Agents SDK、Claude Agent SDK、Strands、smolagents | 低–中(靠护栏) | 最快 | 2026 年的趋势不是「哪个范式消灭其它」,而是: - **生产复杂流** → 图(可控、可恢复、HITL)。 - **内容/研究班组** → 角色。 - **编码助手 / 生态绑定** → 厂商 SDK 自带 hardened loop。 - **LangChain DeepAgents** 等开始把「规划器 + 子代理 + 文件记忆」打包成 opinionated harness——说明业界也意识到:纯 chat 不够,需要**文件与子上下文**。 ### 2.2 记忆层的行业共识(与 Marqdo 对照的关键) 以 LangGraph 文档为代表(行业事实上的标准划分): | 层 | 行业做法 | 作用 | |----|----------|------| | **短时** | Checkpointer / thread_id | 会话续跑、崩溃恢复、time-travel | | **长时** | BaseStore / 向量库 / Mem0·Zep 等 | 跨会话事实、偏好 | | **检索知识** | RAG corpus | 领域文档,不与会话状态混用 | 常见架构错误:把 checkpointer 当成长时记忆——换 `thread_id` 就「失忆」。 **这一点对 Marqdo 极关键:** 行业把「记忆」拆成多个后端;Marqdo 默认把**任务级成功经验**落成 **`.mq.md` + agent-kb(OKF)**,用文件系统与 git 当记忆平面——见 §7。 ### 2.3 框架「形成产品」的路径 ```text PoC(脚本循环) → SDK(Agent + tools) → 编排(图 / 多代理) → 持久化(checkpoint / store) → 平台(托管、评测、护栏、计费) ``` 越往后,**编排源码与运行时真相越分离**:提示在字符串常量或 Prompt Hub,状态在 DB,轨迹在 Langfuse,知识在向量库。人要复盘一次失败,往往要开四个系统。 Marqdo 的赌注是:**尽量把真相拉回单一 `.mq.md` 时间线**。 --- ## 3. 代表框架解剖(如何形成 + 优缺点) ### 3.1 LangGraph(显式状态图) **如何形成** - 把 Agent 步骤建模为 **有向图**:节点读/写共享 state,条件边决定下一跳。 - 编译为可执行应用;挂 checkpointer → 持久化、HITL interrupt、故障续跑。 - 长时记忆另挂 Store;生态上接 LangChain 工具与 LangSmith/Langfuse 轨迹。 **优点** - 生产向可控性最强;分支、重试、并行边清晰。 - 状态类型化后,测试与回放(time-travel)可行。 - 云中立:图在你自己的进程里跑。 **缺点** - 上手成本高:先设计图,再写节点。 - 「提示词 / 业务说明」仍常散落在 Python 字符串;**图代码 ≠ 给人读的说明书**。 - 记忆与知识仍依赖外置 Store/RAG;审计链路长。 - DeepAgents 等上层 harness 说明:光有图仍不够「文件化协作」。 **对 Marqdo 的启示** - 要学其「显式控制与可恢复」;不要学其「状态默认在对象里」。 - Marqdo 多步的工作簿修订环 ≈ **把图展开成磁盘上的可执行文档**。 --- ### 3.2 CrewAI(角色班组 + Flows) **如何形成** - Agent = role / goal / backstory;Crew 协调任务;近年加 **Flows** 把确定性业务逻辑包住自治班组。 **优点** - 多代理叙事直观,原型极快。 - 适合内容流水线、调研班组。 **缺点** - 协作转移大量靠描述,**可预测性弱于图**。 - 过程真相仍是运行时对象与日志;与「文档即程序」无关。 - HITL / 企业治理相对弱。 **对 Marqdo 的启示** - 「多角色」可用多个 `# 智能体` / 多个工作簿表达,但应以**可跑文档**为边界,而不是隐式群聊。 --- ### 3.3 AutoGen → Microsoft Agent Framework(MAF) **如何形成** - AutoGen:对话对 / 群聊驱动;历史在内存。 - 2026:AutoGen **维护模式**;能力并入 **Microsoft Agent Framework**(与 Semantic Kernel 合流):ChatAgent + 多种编排(sequential / concurrent / handoff / group / Magentic)+ 工作流图 + Azure Foundry 治理面。 **优点** - 企业栈(.NET / Azure)一体;A2A、MCP、护栏、托管轨迹。 - CodeAct 等模式:让 Agent **写代码执行**而非只吐 JSON——与「固化为代码」方向有共鸣。 **缺点** - 生产治理深度常绑定云平台;开源核心与托管能力分层。 - 编排语言仍是通用编程语言;**业务知识与程序不同构**。 - 对话范式易导致「无限闲聊」式多代理。 **对 Marqdo 的启示** - CodeAct / 固化步骤:与 Marqdo「确定步骤写成 `##`」同向,但 MAF 写的是 Python;Marqdo 写的是**人与模型共用的 `.mq.md`**。 --- ### 3.4 OpenAI Agents SDK / Claude Agent SDK / Google ADK / Strands **如何形成(共性)** - 提供 **hardened agent loop**(工具、handoff、权限、会话)。 - 深度绑定自家模型或云(OpenAI / Anthropic Claude Code harness / Gemini+ADK / Bedrock)。 **优点** - 最快接入「能干活的助手」;权限与工具路径经过产品锤炼(尤其 Claude Code 同源 SDK)。 - 官方 tracing、realtime 等增值。 **缺点** - 编排与提示仍在宿主语言;**跨团队知识复用靠复制仓库或 Prompt 平台**。 - 供应商锁定风险;换模时常换范式。 - 「记忆」默认会话式;企业知识仍外挂。 **对 Marqdo 的启示** - 模型 I/O 应继续放在 `ext/llm`,**不要**在 agent 里重造聊天栈。 - 不要把「官方 loop」当哲学:Marqdo 的哲学是文档驱动,不是 SDK 驱动。 --- ### 3.5 LlamaIndex / Haystack(文档与 RAG 优先) **如何形成** - 以索引、检索、查询引擎为中心;Agent 是检索之上的编排层。 **优点** - 企业文档智能、多格式摄取成熟。 - 「知识」有一等公民地位。 **缺点** - 知识默认是 **被检索的被动语料**,不是 **可执行的任务程序**。 - Agent 编排能力弱于 LangGraph 系;常需再叠一层框架。 - 索引与源文档易漂移(双源真相)。 **对 Marqdo 的启示(尖锐对比)** - LlamaIndex:**文档 → 向量 → 检索 → 回答**。 - Marqdo:**文档 → 可执行语法 → 运行 → 写回 →(可选)晋升为任务知识包**。 同一「Markdown 知识」在 Marqdo 里可以是 **会跑的技能**,而不仅是 chunk。 --- ### 3.6 Pydantic AI / Mastra / Vercel AI SDK **如何形成** - 强调类型安全(Pydantic)或 TS 全栈 DX(Mastra / Vercel)。 - 把 Agent 当普通后端组件:校验、otel、耐久执行。 **优点** - 工程化体验好;与现有 Web/API 栈融合。 **缺点** - 仍是「代码库里的 Agent」;非技术干系人无法直接打开同一份编排当说明书。 - 知识沉淀路径仍外置。 --- ### 3.7 横向对比表(开发者真相源) | 维度 | 典型框架落点 | Marqdo 落点 | |------|--------------|-------------| | 编排定义 | Python/TS 图或类 | `.mq.md` 标题/表/调用 | | 系统提示 | 字符串 / Prompt Hub | 站立提示写在同一文档 | | 工具 | 装饰器函数 / MCP | runbook 内 `##` + `subtask` | | 短时状态 | checkpoint / session | 工作簿文件 + 写回块 + view | | 长时记忆 | Store / 向量 | agent-kb(OKF)+ git | | 复杂任务 | 子图 / 子代理上下文窗 | **子 `.mq.md` 程序** `spawn path=` | | 复盘 | Langfuse trace | `git log` + 打开工作簿 + view output-card | | 成功复用 | 手工抽 prompt / 存 Store | **固化 + OKF 晋升 / lookup** | --- ## 4. 行业共性痛点(框架越强,痛点越清晰) 下列痛点在 LangGraph、CrewAI、厂商 SDK 文档与实践文章中反复出现;它们正是 Marqdo 要正面打穿的: ### 4.1 提示词与编排分离 - 行为由 system prompt + 隐藏模板决定;code review 审不到「模型真正看见什么」。 - Prompt 漂移与代码漂移双轨发生。 ### 4.2 过程不透明或只对平台透明 - 本地只有最终返回值;细节在 SaaS trace。 - 合规团队要的「这份文档当时怎么决策的」难以直接交付。 ### 4.3 记忆碎片化 - thread / store / RAG / 日志四套系统;「上次同类任务怎么做成的」检索成本高。 - 成功经验很少自动变成**可再执行资产**。 ### 4.4 多步任务变成超长 transcript - 上下文窗口被工具输出撑爆;DeepAgents 才开始「卸到文件系统」。 - 说明业界被迫走向 **文件化**——而 Marqdo **一开始就以文件为执行边界**。 ### 4.5 确定性逻辑仍反复问模型 - 已验证的步骤下一轮又被重新「推理」,浪费且不稳。 - 缺少「晋升为普通代码」的一等路径。 ### 4.6 Agent 框架与知识格式断裂 - Google OKF 等推动「知识用 Markdown 包交换」,但主流 Agent 框架并不把 **可执行程序** 当作知识页。 - 结果:知识包给人策展,Agent 另跑一套 Python。 --- ## 5. Marqdo 在智能体域的设计思想(必须找准) ### 5.1 宪法重申 | 口号 | 在 Agent 语境下的含义 | |------|------------------------| | **代码即文档** | 智能体编排、工具表、站立提示、任务叙述写在同一份 `.mq.md`;打开即读、即可跑 | | **文档即知识库** | 写回块、工作簿、OKF 任务页都是知识;Agent 与人共用同一交换面 | | **文档能跑通 = 约定成立** | 金样 / `marqdo run` / view 是验收,不是「旁边另有一份真实现状」 | 旧「TOOL: 黑盒循环」被官方设计明确否定,正是因为它把 Marqdo **降级成了 LangChain 的薄壳**。 ### 5.2 两级执行(与业界范式对齐但不抄袭) | Marqdo | 业界近似 | 关键差异 | |--------|----------|----------| | `## step` 单步 | 薄 Agent loop | 注入**本文件源码 + 调用位置 + Skill**;默认写回 | | `## plan` 多步 | 规划器 + 子代理 | 产物是 **工作簿 `.mq.md`**;经 `subtask` 整文件执行;父以补丁演进 | | 父 Plan-and-Move | supervisor / orchestrator | 行动面:READ/CALL/DECISION;**禁止整文件 LLM 重写** | | OKF agent-kb | long-term store | 命中的是 **可再跑的任务技能**,不是抽象 embedding 片段(可再叠加 soft near) | ### 5.3 执行与隔离 - 工具与子工作簿走 `lib/subtask`(`spawn fn=` / `spawn path=`),与主推理隔离——对应业界「子代理独立上下文」,但边界是 **文件与子进程语义**,不是仅换一个 message list。 --- ## 6. Marqdo 的必要突出优势(核心章节) 下列优势要求满足:**若取消「可执行 Markdown 为权威」,优势即消失**。这才是「必要」优越点,而不是功能清单攀比。 ### 6.1 单一真相源:编排 / 提示 / 结果共址 **优势陈述** 模型在 `step`/`plan` 中看到的上下文,可以就是**人类正在编辑的那份源码**(及调用点)。站立提示不是隐藏 system blob,而是文档段落。 **为何必要** 消除「提示词仓库 vs 代码仓库」双源;code review、教学、合规审计面对同一人造物。 **相对框架** LangGraph/CrewAI/SDK:提示常在字符串或控制台配置;trace 在另一系统。Marqdo:`view` 在语句下挂 output-card,与源同行。 ### 6.2 写回 = 内建的「Notebook 输出单元」式过程记忆 **优势陈述** `lib/writeback` 把成功/失败写入 ``,锚在调用行下。智能体默认写回后,**过程留在源文件**,不是只留在遥测。 **为何必要** 教学与调试要「看见刚才那一步」;失败成为可读避坑记录;成功可被后续命中。 **相对框架** 业界靠 Langfuse/LangSmith;本地仓库往往是空的。Marqdo 仓库本身就是过程库(可再导出到 trace,但不依赖它才能复盘)。 ### 6.3 复杂任务 = 生成并演进子程序,而不是堆 transcript **优势陈述** `plan` 创建 `.marqdo/agent-runs/*.mq.md`,用 `spawn path=` 跑完整 `# main`。父观察**真实退出码、返回值、写回、源码**,再 FIND/REPLACE 补丁。 **为何必要** 上下文窗口有限;长工具输出必须卸出。DeepAgents 用「文件系统抽象」补课;Marqdo **语言层原生就是文件程序**。 **相对框架** 子代理多是「新对话 + 摘要」;Marqdo 子任务是 **可独立 `marqdo run` 的文档**,可被人类直接打开修改后重跑。 ### 6.4 确定步骤固化为代码;模型只处理不确定残差 **优势陈述** 父作为「智能体开发大师」:能写成 `##` 的就固化;子智能体只跑不确定的 `step`。`DECISION: DONE` 可 solidify + OKF 晋升。 **为何必要** 降本、降方差、形成组织资产。业界常把每次任务重新推理;Marqdo 把「学会的技能」编译回语言。 **相对框架** MAF CodeAct 写出的是通用语言脚本;Marqdo 固化的是 **仍保持文档属性的 `.mq.md` 技能**——人不用会 Python 也能读懂并改。 ### 6.5 文档即知识库 + OKF:记忆可交换、可策展、可信任 **优势陈述** 任务知识包(`.marqdo/agent-kb/`)以 OKF 形承载 `Marqdo Task` / skill,`resource:` 必须指向可执行 `.mq.md`。lookup / near / soft_match 走插件,不进核心 host。 **为何必要** Google OKF 证明行业需要「Markdown 知识包」;Marqdo 多走一步:**知识页声明的可执行资源真能跑**。记忆不是不可解释的向量命中,而是 **带路径的技能复用**。 **相对框架** LlamaIndex 检索散文块;Store 存 JSON 事实。Marqdo agent-kb:**命中 → 再跑同一技能路径**(精确 / 规范化 / near / 父裁决)。 ### 6.6 审计与协作默认路径 = Git **优势陈述** 工作簿演进、写回、晋升都是文件变更 → `git log` / PR / blame。 **为何必要** 企业已有代码治理;不必为 Agent 另建「提示治理平台」才能起步。 **相对框架** 多数框架的状态在 DB;要审计得接专用平台。Marqdo 从第一天就兼容软件工程工作流。 ### 6.7 中英双面 API 与「说明书即程序」教学属性 **优势陈述** `# 智能体` / `# agent`、`单步`/`step`、`多步`/`plan` 对称;教程文档可以直接是金样。 **为何必要** 智能体开发教育成本高;Marqdo 把教材和运行物合一(与 quantum/math 扩展同一哲学)。 ### 6.8 分层纪律:扩展不脏核心 **优势陈述** `ext/**` 禁 `host_*`;agent-kb 在 `plugins/agent`;核心保持瘦。 **为何必要** 避免「Agent 框架把语言运行时变成巨石」——这是许多 Python Agent 栈的终局病。 --- ## 7. 优势地图(一图看懂定位) ```text 可预测性 / 生产控制 ▲ │ LangGraph / MAF workflows │ │ ★ Marqdo plan │ (workbook = program) │ 角色班组 ──────────┼────────────── 薄循环 SDK CrewAI │ OpenAI / Claude SDK │ │ LlamaIndex (RAG) │ └────────────────────────────► 文档/知识一等公民程度 ★ Marqdo 同时偏右上:控制来自「可执行文档+补丁环」, 知识来自「同源 Markdown + OKF」,而非向量库单独称王。 ``` --- ## 8. 诚实边界:什么时候不该硬吹 Marqdo | 场景 | 更合适的选择 | 原因 | |------|--------------|------| | 超大规模并行图、成熟 Python 数据栈 | LangGraph + 现有 infra | 生态与库广度 | | 强绑定 Azure 治理 / .NET | MAF | 平台一体 | | 纯文档问答 / 海量非结构化语料 | LlamaIndex 等 | 摄取与检索成熟;Marqdo 可 **调用** 它们作工具,不必重造 | | 只要一个 ChatGPT 式助手周末原型 | 厂商 Agents SDK | 启动最快 | | 需要强实时语音 / 多模原生 | 厂商 SDK | 非 Marqdo 当前主场 | Marqdo 的正确叙事不是「取代所有 Agent 框架」,而是: > **当你希望智能体开发成果沉淀为组织可维护的文档资产,并且编排本身必须可教、可审、可跑时——选 Marqdo。** --- ## 9. 对 `ext/agent` 深入优化的建议方向(调研导出) 优化应强化 §6 优势,避免回退到「隐藏 TOOL 循环」。 | 优先级 | 方向 | 理由 | |--------|------|------| | P0 | **工作簿质量与补丁可靠性**(精确 FIND/REPLACE、固化、观察切片) | 直接决定「子程序演进」是否优于 transcript | | P0 | **OKF 命中体验**(精确 / near / soft_match 默认真策略、策展 UX) | 落实「文档即知识库」的复用飞轮 | | P1 | **过程可见**(streaming / view 过程卡,见 [agent-streaming.md](../roadmap/agent-streaming.md)) | 对标 Langfuse,但真相仍写回文档 | | P1 | **Skill / 源码注入的预算与渐进披露** | 避免上下文爆炸,同时保持「源码即提示」 | | P2 | **与外部 RAG/MCP 的工具化接入** | 补齐语料检索,但不把向量库升为权威真相 | | P2 | **评测金样:同类任务二次 plan 应命中 kb 快路径** | 用测试锁住差异化 | | 避免 | 再引入私有 JSON 工具协议作主路径 | 与宪法冲突 | | 避免 | 整文件 LLM 重写工作簿 | 已在 parent 设计禁止 | 验收提问(产品自评): 1. 新人能否只读一份 `.mq.md` 理解 Agent 在干什么? 2. 失败后能否在 git 与 view 内完成复盘,不强制打开外部 trace? 3. 成功任务下周能否以 **跑同一技能** 的方式复用,而不是「再聊一遍」? 4. 确定步骤是否越来越多地变成普通 `##`,模型调用是否下降? 若四问皆是——优化方向正确。 --- ## 10. 结论 2026 年的智能体框架市场在 **图控、角色班组、厂商 hardened loop、RAG 知识** 四条线上分化;共同短板是 **真相源碎片化** 与 **成功经验难以变成可执行组织资产**。 Marqdo 用「代码即文档、文档即知识库」把 Agent 开发收束到 **可执行 Markdown 生命循环**: **书写 → 注入模型 → 执行 → 写回 →(多步)补丁演进 → 固化 → OKF 晋升 → 再命中。** 这不是功能点堆砌,而是架构级选择。深入优化 `ext/agent` 时,应把资源砸在 **工作簿、写回、固化、知识包命中、过程可视** 上,把「文档驱动的智能体开发框架」做成可感知的产品体验——这才是相对 LangGraph / CrewAI / 厂商 SDK **不可替代** 的优越点。 --- ## 11. 参考与延伸阅读 ### 本仓 - [ext-agent.md](../design/ext-agent.md) — 框架总设计(否定 TOOL 薄循环) - [ext-agent-plan.md](../design/ext-agent-plan.md) — 多步工作簿 - [ext-agent-parent.md](../design/ext-agent-parent.md) — 父 Plan-and-Move - [okf.md](../design/okf.md) · [okf-and-marqdo.md](okf-and-marqdo.md) - [stdlib-writeback.md](../design/stdlib-writeback.md) · [stdlib-subtask.md](../design/stdlib-subtask.md) - [roadmap/agent-streaming.md](../roadmap/agent-streaming.md) · [roadmap/okf-near-match.md](../roadmap/okf-near-match.md) · [roadmap/ext-agent-optimize.md](../roadmap/ext-agent-optimize.md) - [agent-framework-gaps-after-a4.md](agent-framework-gaps-after-a4.md) — A0–A4 之后还差什么 ### 外部(抽样,2025–2026) - Langfuse: *Comparing Open-Source AI Agent Frameworks*(2026-07 更新盘点) - LangGraph docs: Persistence(checkpointer vs store) - Microsoft: AutoGen maintenance → Agent Framework migration - CrewAI: Crews + Flows - OpenAI Agents SDK / Claude Agent SDK / Google ADK 公开 README - Google OKF SPEC v0.2(知识包形态;与 Marqdo 可执行源对照)