FROST开源500行AI Agent教学框架，作者展示10分钟入门示例

用FROST写一个你的第一个Agent，只用10分钟

用FROST写一个你的第一个Agent，只用10分钟 你好，FROST 周末好！今天不聊深奥的理论，就来点实际的：手把手教你用FROST写一个会聊天的Agent。 整个过程只需要10分钟，代码不超过30行。 什么是FROST？ 先简单介绍一下。FROST是一个教学用的轻量Agent框架，只有500行代码，核心概念只有三个： Agent：执行者 Skill：技能（类似函数） Store：记忆（存储上下文） 听起来简单？没错，它就是为你设计的——让你从第一行代码开始，就清楚地知道自己在做什么。 GitHub: https://gitee.com/liao_liang_7514/frost 开始之前 你需要： Python 3.10+ 一颗想学习的心 安装FROST： pip install frost-ai 或者直接clone源码： git clone https://gitee.com/liao_liang_7514/frost.git 实战：写一个"翻译助手" 让我们写一个简单的翻译Agent。它能接收中文，翻译成英文。 第一步：定义技能 from frost import Skill, Store, Agent class TranslateSkill(Skill): """翻译技能""" def __call__(self, store, text, target_lang="en"): # 这里你可以接入任何翻译API # 为了演示，我们用一个简单的mock translations = { ("你好", "en"): "Hello", ("今天天气怎么样", "en"): "How is the weather today?", ("再见", "en"): "Goodbye" } result = translations.get((text, target_lang), f"[翻译中] {text}") store.set("last_translation", result) return result 看到了吗？Skill就是一个普通的Python类，继承Skill，实现__call__方法。 第二步：创建Agent # 创建记忆存储 store = Store() # 把技能交给Agent agent = Agent(skills=[TranslateSkill()], store=store) # 运行！ response = agent.run("你好") print(response) # 输出: Hello 完整的代码就这些： from frost import Skill, Store, Agent class TranslateSkill(Skill): def __call__(self, store, text, target_lang="en"): translations = { ("你好", "en"): "Hello", ("今天天气怎么样", "en"): "How is the weather today?", } return translations.get((text, target_lang), f"[翻译中] {text}") store = Store() agent = Agent(skills=[TranslateSkill()], store=store) print(agent.run("你好")) 30行代码，一个翻译Agent就这么跑起来了。 为什么选FROST？ 可能有同学会问：我直接用LangChain不就好了吗？ 好问题。对比一下： 对比项 LangChain FROST 代码量 几十万行 500行 上手难度 😰 较高 ✅ 轻松 理解底层 😰 很难 ✅ 一目了然 适用场景 生产开发 学习原理 FROST不是用来替代LangChain的。 它的定位是：让你理解Agent是怎么工作的。 当你用FROST弄懂了Agent的核心逻辑，再去用LangChain，会发现"原来那些API背后是这么回事"——学习效率翻倍。 还能做什么？ 目前FROST已经有几个现成的示例： 1. 搜索助手 class SearchSkill(Skill): def __call__(self, store, query): result = web_search(query) store.set("last_search", result) return result 2. 记忆助手 # Store可以存储Agent的"记忆" store.set("user_name", "小明") store.set("user_preference", "喜欢简洁的设计") 3. 多技能组合 agent = Agent( skills=[SearchSkill(), TranslateSkill()], store=store ) # Agent会自动选择合适的技能完成任务 写给想深入的你 FROST的源码非常适合作为学习材料。 整个框架的核心代码在这里： frost/ ├── agent.py # Agent主体 (~100行) ├── skill.py # Skill基类 (~50行) ├── store.py # Store存储 (~50行) └── __init__.py # 导出接口 (~20行) 你可以一边读源码，一边改代码，看看会发生什么。学习 Agent 最好的方式就是自己动手实现一个。 工程版预告 如果你觉得FROST的教学理念有意思，想看看"同样思想在生产环境长什么样"—— FROST-SOP 即将开源！ FROST-SOP是基于FROST思想打造的工程级Agent开发平台，包含完整的企业级功能（FROST-SOP Gitee仓库正在筹备中）。 FROST：教学框架，揭示本质 FROST-SOP：工程平台，用于生产 两者共享同样的设计哲学：分形架构 + 家族治理。 写在最后 周末抽10分钟，给自己一个小挑战： 试着修改上面的翻译Agent，让它支持更多语言，或者添加一个新技能（比如"计算字数"）。 学习编程最好的方式就是动手写代码。 如果你完成了，欢迎在评论区分享你的作品！ 如果你喜欢这种轻松的学习风格，欢迎关注并转发。 Tags: #AI #Agent #Python #开源 #教程 #FROST

3 hours ago

从"玩具"到"教材"：一个500行AI框架的自我修养

为什么我要造一个500行的Agent轮子？ 你好，我是 FROST 的作者。 2026年了，Agent 框架多得能让人挑花眼：LangGraph 有 34.5M 月下载量，Dify 在 GitHub 斩获 129.8K Stars，各大厂商都在疯狂推自己的 SDK。这种环境下，再写一个"轮子"，是不是有点多余？ 说实话，我也纠结了很久。 一个困惑：新学者的两难困境 事情要从一次失败的辅导说起。 我帮一个朋友入门 Agent 开发，推荐了 LangChain。结果他学了两个月，还在和 chain.invoke() 搏斗，脑子里依然没有"Agent 到底是怎么工作的"这个概念。 问题出在哪？ 现在的框架太强了，强到把所有的复杂性都藏了起来。 你可以三行代码跑起来一个 Agent，但你也永远不知道它内部发生了什么。就像学开车，你学会了踩油门转弯，但发动机是怎么工作的、变速箱怎么换挡，一概不知。 而对于想真正理解 Agent 本质的人来说，这是一个巨大的 Gap： 需求 现有选项 快速开发产品 LangChain/CrewAI 理解底层原理 论文 + 源码 入门级教学框架 ❌ 空白 这个空白，就是 FROST 存在的原因。 FROST 的设计哲学：Less is More FROST 不是一个生产级框架，它是一个教学框架。 这意味着它刻意放弃了： ❌ 复杂的依赖生态（不需要 LangChain） ❌ 丰富的工具集成（没有 100+ 内置工具） ❌ 分布式部署能力（就是单机 Python） 它只保留了三个核心概念： \`python Store - 记忆容器（类似神经细胞的存储功能） class Store: """存储上下文、记忆、状态""" def init(self): self.data = {} Skill - 纯函数变换（类似神经细胞的处理功能） class Skill: """输入→处理→输出，无状态""" def call(self, store, *args, **kwargs): pass Agent - 执行单元（类似神经细胞本身） class Agent: """调用 Skill，操作 Store，完成目标""" def init(self, skills: list[Skill], store: Store): pass `\ 是的，就这么简单。三个类，不超过 500 行代码。 但正是这种简单，让"理解"变得可能。 一行代码跑起来的 Agent \`python from frost import Agent, Store, Skill 定义一个"搜索助手"技能 class SearchSkill(Skill): def call(self, store, query): result = web_search(query) # 这里是你的搜索实现 store.set("last_search", result) return result 创建 Agent 并运行 store = Store() agent = Agent(skills=[SearchSkill()], store=store) response = agent.run("北京今天天气怎么样") print(response) `\ 对比一下用 LangChain 实现同样的功能： \`python from langchain.agents import AgentExecutor, create_react_agent from langchain_openai import ChatOpenAI ... 还有十几行初始化代码 `\ FROST 让你从第一行代码开始，就知道自己在做什么： Agent 是执行者 Skill 是它的能力 Store 是它的记忆 没有魔法，没有黑箱，只有清晰的数据流。 为什么叫 FROST？ FROST 的全称是 Fractal Remote Organ of Scalable Thoughts——可扩展思维的分形远程器官。 这个名字源于它的设计灵感：神经细胞（Neural Cell）。 在生物学中，每个神经细胞都很简单： 接收信号 处理信号 发出信号 但当 亿万个神经细胞 连接在一起，就涌现出了智能。 FROST 试图在软件层面复现这个过程： Neural Cell → Agent Synapse → Skill Long-term Memory → Store Brain (Emergence) → Multi-Agent System 这不是在模仿大脑，而是在学习生物界的智慧：简单单元 + 清晰连接 = 复杂行为。 我的踩坑日记 作为一个从零开始写框架的人，踩的坑比代码行数还多： 坑1：追求"完整"差点毁掉项目 最初我设计了一个包含配置管理、日志系统、错误重试的"完整框架"。写了 2000 行后，我发现： 代码复杂度指数级上升 核心概念被淹没在细节里 教学价值归零 教训：教学框架的第一原则是最小化。功能可以以后加，但第一印象无法重来。 坑2：被"这有什么用"质疑 最常见的质疑是："你这么简单的框架，生产环境谁会用？" 我的回答是：这不是给生产环境用的。 FROST 的用户画像是： 刚学完 Python，想了解 Agent 的学生 想从应用层深入到底层原理的开发者 想给学生演示 Agent 工作原理的讲师 为特定用户解决特定问题，比"什么都能做"更有价值。 FROST-SOP：思想的开花结果 在 FROST 的基础上，我又开发了 FROST-SOP——一个面向工程实践的 Agent 开发平台。 如果说 FROST 是"理解 Agent"的教材，那 FROST-SOP 就是"使用 Agent"的工具箱。 FROST：教学框架，500行代码，揭示本质 FROST-SOP：工程框架，完整功能，用于生产 两者共享同样的设计思想：分形架构 + 家族治理，只是侧重点不同。 了解更多：https://gitee.com/liao_liang_7514/frost 加入我们 FROST 还有很多不完善的地方： 文档还在补全 示例还不够丰富 测试覆盖还有提升空间 但这恰恰是一个开源项目的真实状态。 如果你对 Agent 框架感兴趣，无论是想学习原理、贡献代码，还是只是想看看"一个 500 行的框架长什么样"，欢迎： GitHub：https://gitee.com/liao_liang_7514/frost 文档：项目 README 提 Issue：功能建议、Bug 反馈、代码贡献 最后 造轮子不是目的，理解轮子才是。 当你读完 FROST 的 500 行代码，希望你收获的不只是一个框架，而是： "原来 Agent 的本质，就是这么简单。" 如果你觉得这篇文章有帮助，欢迎转发给需要的朋友。 Tags: python, agent, ai, opensource

1 day ago