Files
marqdo/doc/research/agent-frameworks-and-marqdo.md
cflmy 9331af78e2 release(2.8.0): 合入 CHANGELOG/README/发版说明/skills prove 任务;CI 链接指向 doc/releases
- CHANGELOG.md:v2.8.0 条目(中英双语);
- README.md:版本行 2.7.1→2.8.0 + 愿景第 6 条(知识可证明);
- doc/releases/v2.8.0.md:双语发版说明(亮点/用法/已知限制);
- skills/marqdo-dev/index.mq.md:新增 prove 任务(路径/目录模式/
  require_lean/json;参数用 + 行声明升参,check 与 narrative-ratio 通过);
- 设计文档 §12.5 标记已合入;发版链接统一指向 doc/releases/v2.8.0.md。
2026-11-18 10:29:26 +08:00

534 lines
26 KiB
Markdown
Executable File
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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 `<!-- marqdo-out … -->`,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)