从原理到实践AI 智能体如何自动生成《JavaScript异步编程精解》技术专栏【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents导读本文以开源仓库 hello-agents 中 ColumnWriter 专栏作家智能体 一次真实运行生成的专栏为研究对象完整还原其产出物《JavaScript异步编程精解从原理到实践》的核心技术内容Event Loop 机制、Promise/async/await、高级并发控制并深入其源码级实现Plan-and-Solve 规划、ReAct 写作、评审闭环向读者展示一条智能体自动规划并撰写技术专栏的完整链路以及一套可直接复用的 JavaScript 异步编程学习路径。读完本文你既能系统掌握 JS 异步编程的三大核心主题也能理解自动化专栏生成系统的架构与运行原理。专栏概览一次 69 秒的自动化创作根据 REPORT.md 记录本次专栏创作由 ColumnWriter 智能体在2025-11-21 19:04:46 至 19:05:55之间完成总耗时仅69.2 秒共进行3 次生成调用。项目数值专栏标题JavaScript异步编程精解从原理到实践总字数3,191平均每篇1,063 字内容节点3文章数量3Planner 模式PlanAndSolveAgentWriter 模式ReActAgent对应的结构化数据完整保存在 column_data.json 中包含专栏元信息、每篇文章的正文、字数统计与创作统计creation_stats三篇文章均标注agent_mode: ReActAgent。专栏的定位非常清晰面向初、中级前端开发者帮助那些能使用 Promise 和 async/await、但对事件循环、宏任务/微任务执行顺序等内部机制不了解的开发者系统性补齐 JavaScript 异步编程的知识短板。规划出的三篇文章形成了一条逻辑递进的进阶路径揭秘JavaScript异步编程的本质与Event Loop机制1264 字——原理基石从回调地狱到优雅的Promise与async/await1049 字——范式演进精通JavaScript异步高级模式、并发控制与性能优化878 字——实战进阶下面逐篇展开这三篇文章的核心内容并结合源码解释这些内容是如何被编排出来的。第一篇揭秘 JavaScript 异步编程的本质与 Event Loop 机制单线程的困境与异步编程的诞生JavaScript 被设计为单线程同一时刻只能执行一个任务。长时间运行的任务网络请求、复杂计算会阻塞主线程导致页面无响应。为了避免这种糟糕的用户体验JavaScript 引入了异步编程异步任务在后台执行完成后再通知主线程处理结果从而避免主线程长时间阻塞保证用户界面的流畅性——这是单线程模型下处理并发的必然选择。Event Loop异步的幕后英雄Event Loop 是 JavaScript 运行时环境协调异步操作的核心机制它持续检查调用栈Call Stack是否为空当调用栈为空时从任务队列Task Queue中取出待处理的回调函数并推入调用栈执行。其运作依赖三大组件调用栈存放正在执行的同步函数Web APIs / Node.js APIs提供异步功能如setTimeout、fetch完成任务后将回调函数放入任务队列任务队列存放待执行的异步回调函数。整个过程确保了主线程在等待异步结果时不会被阻塞。以一段代码为例其执行顺序验证了这一机制console.log(同步任务 1); setTimeout(() console.log(宏任务setTimeout), 0); Promise.resolve().then(() console.log(微任务Promise.then)); console.log(同步任务 2); // 输出顺序同步任务 1 → 同步任务 2 → 微任务Promise.then → 宏任务setTimeout宏任务与微任务的精妙舞蹈为了更精细地控制异步任务执行顺序任务队列进一步细分为宏任务Macrotasks与微任务Microtasks宏任务setTimeout、setInterval、I/O 操作、UI 渲染。每次 Event Loop 循环只会处理一个宏任务微任务Promise的回调then、catch、finally、MutationObserver。在一个宏任务执行完毕后、下一个宏任务开始之前Event Loop 会清空所有可用的微任务队列。这意味着微任务的优先级高于宏任务——Promise回调总是比setTimeout回调先执行。理解这一顺序是准确预测复杂异步代码行为的关键也是后续学习 Promise、async/await 的认知基础。第二篇从回调地狱到优雅的 Promise 与 async/await回调函数异步编程的起点与回调地狱回调函数是 JavaScript 处理异步操作最原始的方式允许我们指定一个函数在另一个操作完成后执行。当多个异步操作存在依赖关系时代码会层层嵌套形成难以理解和维护的回调地狱Callback HellgetUser(id, (user) { getOrders(user.id, (orders) { getPayments(orders[0].id, (payment) { // 继续嵌套…… }); }); });这种模式不仅降低了代码的可读性也使错误处理变得异常复杂。Promise异步流程的标准化与链式调用为解决回调地狱痛点Promise 应运而生。Promise 是一个代表异步操作最终完成或失败的对象有pending、fulfilled、rejected三种状态且状态不可逆转一旦从 pending 变为 fulfilled/rejected 便固定下来。它通过.then()、.catch()、.finally()实现链式调用使异步流程扁平化getUser(id) .then((user) getOrders(user.id)) .then((orders) getPayments(orders[0].id)) .catch((err) console.error(流程中任一步出错, err)) .finally(() console.log(无论成败都会执行));此外Promise.all()、Promise.allSettled()、Promise.race()等静态方法用于处理并发异步操作进一步简化复杂场景下的异步控制。async/await同步化异步代码的语法糖async/await 是基于 Promise 的语法糖使异步代码编写更接近同步代码。async关键字声明的函数总是返回一个 Promiseawait关键字只能在async函数内部使用它会暂停async函数的执行直到其等待的 Promise 解决或拒绝随后恢复执行。这种暂停-恢复机制让异步逻辑直观async function loadUserOrders(id) { try { const user await getUser(id); const orders await getOrders(user.id); return orders; } catch (err) { console.error(加载失败, err); } }从回调函数到 Promise 的标准化再到 async/await 的优雅JavaScript 异步编程技术完成了蜕变Promise 解决回调地狱、提供结构化异步处理async/await 则让异步代码拥有同步代码般的直观性。第三篇精通 JavaScript 异步——高级模式、并发控制与性能优化宏任务与微任务的深度实践理解事件循环中宏任务与微任务的执行顺序是编写可预测异步代码的基础。在复杂交互或数据处理场景下queueMicrotask能确保在当前渲染帧前尽快执行关键逻辑避免 UI 阻塞。精确辨析它们在不同运行环境浏览器/Node.js下的行为差异是避免竞态条件和优化性能的关键一步。异步操作的取消与并发控制面对用户取消操作或资源限制优雅地终止异步任务至关重要。AbortControllerAPI 提供了标准化的解决方案通过AbortSignal通知异步操作中止并清理资源const controller new AbortController(); const signal controller.signal; fetch(/api/long-task, { signal }) .then((res) res.json()) .catch((err) { if (err.name AbortError) console.log(请求已被用户取消); else console.error(err); }); // 用户点击取消按钮时 controller.abort();在高并发场景下通过限流如自定义队列或p-limit库控制同时进行的异步请求数量能有效防止系统过载提升稳定性和用户体验。异步迭代器与性能优化ES2018 引入的异步迭代器for await...of极大简化了异步数据流的处理让遍历异步生成的数据序列如同同步代码般直观for await (const chunk of readStream()) { process(chunk); // 逐个处理异步到达的数据块 }性能优化方面的核心策略包括尽早启动不相关的异步任务用Promise.all并行化而非串行 await以缩短总等待时间合理利用缓存减少重复请求以及避免在循环中创建不必要的 Promise减轻 Event Loop 的负担提升应用响应速度。源码级揭秘这套专栏是如何被智能体写出来的以上三篇文章并非人工撰写而是由 ColumnWriter 系统自动完成。理解其实现才能真正掌握这类自动化写作系统的设计范式。整体架构一个专业创作者团队根据 README.md 的项目说明ColumnWriter 模拟了一个专业创作者团队策划专家顶层设计与内容规划、写作专家具体内容撰写与工具调用、评审专家质量把控与反馈并支持树形递归生成专栏目录。核心模块划分如下模块文件职责Orchestratororchestrator.py主控中心协调各 Agent 工作流管理状态流转Agentsagents.pyPlannerAgent / WriterAgent / ReviewerAgent / RevisionAgent / ReflectionWriterAgentModelsmodels.pyContentNode 内容树、ColumnPlan 规划、ReviewResult 评审结果Promptsprompts.py规划、写作、评审、修改各环节的 Prompt 模板Configconfig.py环境变量、模型参数、评审阈值入口main.py交互式/命令行启动入口第一步Plan-and-Solve 规划专栏大纲入口 main.py 接收用户主题命令行参数或交互输入默认主题为Python异步编程完全指南随后ColumnWriterOrchestrator.create_column()orchestrator.py进入规划阶段由PlannerAgent使用PlanAndSolveAgent模式将JavaScript异步编程这样的宽泛主题分解为清晰步骤逐步执行。从 agents.py 中的自定义提示词可以看到规划被拆分为五个步骤分析主题核心概念与目标读者 → 确定知识体系整体框架 → 规划 2-4 个子话题保证逻辑递进→ 为每个子话题设定学习目标和要点 → 组装完整专栏大纲。最后一步要求输出严格的结构化 JSON包含column_title、column_description、target_audience、topics每个话题含id、title、description、estimated_words、key_points、prerequisites。本次运行产出的 3 个话题Event Loop 原理 → Promise/async-await → 高级模式正是这一逻辑递进要求的直接体现。规划结果被封装为ColumnPlan数据类models.py并持久化到.cache目录PlannerAgent以主题的 MD5 哈希为缓存键plan_{hash}.json同主题二次运行直接加载缓存节省 Token 与时间agents.py。第二步ReAct 模式递归写作规划完成后Orchestrator 遍历每个子话题以递归内容树方式写作。关键数据结构是ContentNode与ContentLevel枚举models.py定义了三个层级Level 1 (Topic)子话题引言与概述Level 2 (Section)细化为小节深入阐述Level 3 (Detail)补充案例、代码或详细说明。_recursive_write()orchestrator.py根据配置的max_depth默认 3见 config.py决定是否继续展开_process_children()orchestrator.py依据上一级生成结果中的needs_expansion与subsections字段递归创建子节点。三篇文章正文中### 引言 → ### 主体小节 → ### 总结的结构正是这套层级模板的输出。本次运行采用ReAct 模式WriterAgent基于ReActAgent推理 Reasoning → 行动 Acting → 观察 Observation 循环写作过程中可主动调用工具。从 agents.py 可见其注册了四类搜索函数web_search(query)通用网页搜索search_recent_info(topic)搜索最新信息与动态search_code_examples(technology, task)搜索代码示例和教程verify_facts(statement)验证事实准确性。若配置了TAVILY_API_KEY或SERPAPI_API_KEY则启用SearchTool若存在GITHUB_PERSONAL_ACCESS_TOKEN环境变量还会注册 GitHub MCPTool允许 Agent 直接读取开源项目代码作为写作素材agents.py。ReActAgent 的max_steps被设为 10给 Agent 更多机会完成任务。写作任务通过generate_content()构建agents.py明确要求引言、主体内容3-5个小节、实践案例、总结并强制以\n\nFinish[JSON内容]格式收尾content字段包含完整 Markdown 正文。第三步评审闭环与容错降级ReAct 模式还串联了独立评审流程_review_and_revise()orchestrator.pyReviewerAgent对生成内容多维度评审内容质量 40 分、结构逻辑 30 分、语言表达 20 分、格式规范 10 分输出 0-100 分与评级分数 ≥approval_threshold默认 75 分则通过否则进入修改分数 revision_threshold默认 60 分则触发RevisionAgent重写否则按评审意见修改循环直至达标或达到max_revisions默认 2 次上限。从本次的creation_stats看total_reviews: 0说明三篇文章均一次性通过评审或未启用评审环节这解释了 REPORT.md 中评审分数: N/A的字段。系统还内置了健壮的容错机制当 ReActAgent 达到最大步数或执行失败时ReActAgentWrapper会捕获历史信息Thought/Action/Observation由_generate_content_with_history()agents.py自动降级到 SimpleAgent利用最后 10 条历史摘要继续完成写作确保流程不中断统一的JSONExtractor则能处理 LLM 输出的各种非标准 JSONMarkdown 代码块、注释、不完整括号等。第四步组装、统计与导出所有节点写作完成后_assemble_column()orchestrator.py将内容树展平为 Markdown 文章_tree_to_markdown按层级生成#/###标题_calculate_statistics()统计总字数、平均字数等指标。最终由 main.py 导出到output_YYYYMMDD_HHMMSS目录——即本次的 output_20251121_190555 目录包含 REPORT.md、column_data.json 与三篇独立文章。关键配置速查以下是驱动本次创作的核心配置参数config.py参数默认值说明llm_model_idgpt-4LLM 模型兼容任意 OpenAI 接口格式模型支持llm_api_key/llm_base_url及旧字段映射max_depth3内容树最大递归层级Topic/Section/Detailapproval_threshold75评审通过阈值分数 ≥ 此值通过revision_threshold60分数低于此值触发重写而非小改max_revisions2单节点最大修改轮次word_count_level_1/2/3600/400/200各层级目标字数允许 ±10% 容差见word_count_toleranceenable_searchTrue是否启用 ReAct 搜索工具enable_reviewTrue是否启用独立评审仅 ReAct 模式运行方式详见 README.md 的快速开始pip install -r requirements.txt # 配置 .envOPENAI_API_KEY / OPENAI_BASE_URL可选 TAVILY_API_KEY 或 SERPAPI_API_KEY python main.py # 交互式模式 python main.py JavaScript 异步编程 # 命令行模式结语本文还原了 ColumnWriter 智能体用 69.2 秒自动产出的《JavaScript异步编程精解》专栏从专栏的规划蓝图REPORT.md到三篇递进式技术文章再到驱动这一切的 Plan-and-Solve 规划、ReAct 递归写作、独立评审闭环与缓存容错机制。对读者而言三篇文章构成了一条可系统学习的 JS 异步进阶路线对开发者而言ColumnWriter 的 源码 则提供了一个输入主题 → 输出成体系专栏的多智能体参考实现——只需替换规划/写作提示词与主题即可复用到任意技术领域的专栏创作场景。【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从原理到实践：AI 智能体如何自动生成《JavaScript异步编程精解》技术专栏
从原理到实践AI 智能体如何自动生成《JavaScript异步编程精解》技术专栏【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents导读本文以开源仓库 hello-agents 中 ColumnWriter 专栏作家智能体 一次真实运行生成的专栏为研究对象完整还原其产出物《JavaScript异步编程精解从原理到实践》的核心技术内容Event Loop 机制、Promise/async/await、高级并发控制并深入其源码级实现Plan-and-Solve 规划、ReAct 写作、评审闭环向读者展示一条智能体自动规划并撰写技术专栏的完整链路以及一套可直接复用的 JavaScript 异步编程学习路径。读完本文你既能系统掌握 JS 异步编程的三大核心主题也能理解自动化专栏生成系统的架构与运行原理。专栏概览一次 69 秒的自动化创作根据 REPORT.md 记录本次专栏创作由 ColumnWriter 智能体在2025-11-21 19:04:46 至 19:05:55之间完成总耗时仅69.2 秒共进行3 次生成调用。项目数值专栏标题JavaScript异步编程精解从原理到实践总字数3,191平均每篇1,063 字内容节点3文章数量3Planner 模式PlanAndSolveAgentWriter 模式ReActAgent对应的结构化数据完整保存在 column_data.json 中包含专栏元信息、每篇文章的正文、字数统计与创作统计creation_stats三篇文章均标注agent_mode: ReActAgent。专栏的定位非常清晰面向初、中级前端开发者帮助那些能使用 Promise 和 async/await、但对事件循环、宏任务/微任务执行顺序等内部机制不了解的开发者系统性补齐 JavaScript 异步编程的知识短板。规划出的三篇文章形成了一条逻辑递进的进阶路径揭秘JavaScript异步编程的本质与Event Loop机制1264 字——原理基石从回调地狱到优雅的Promise与async/await1049 字——范式演进精通JavaScript异步高级模式、并发控制与性能优化878 字——实战进阶下面逐篇展开这三篇文章的核心内容并结合源码解释这些内容是如何被编排出来的。第一篇揭秘 JavaScript 异步编程的本质与 Event Loop 机制单线程的困境与异步编程的诞生JavaScript 被设计为单线程同一时刻只能执行一个任务。长时间运行的任务网络请求、复杂计算会阻塞主线程导致页面无响应。为了避免这种糟糕的用户体验JavaScript 引入了异步编程异步任务在后台执行完成后再通知主线程处理结果从而避免主线程长时间阻塞保证用户界面的流畅性——这是单线程模型下处理并发的必然选择。Event Loop异步的幕后英雄Event Loop 是 JavaScript 运行时环境协调异步操作的核心机制它持续检查调用栈Call Stack是否为空当调用栈为空时从任务队列Task Queue中取出待处理的回调函数并推入调用栈执行。其运作依赖三大组件调用栈存放正在执行的同步函数Web APIs / Node.js APIs提供异步功能如setTimeout、fetch完成任务后将回调函数放入任务队列任务队列存放待执行的异步回调函数。整个过程确保了主线程在等待异步结果时不会被阻塞。以一段代码为例其执行顺序验证了这一机制console.log(同步任务 1); setTimeout(() console.log(宏任务setTimeout), 0); Promise.resolve().then(() console.log(微任务Promise.then)); console.log(同步任务 2); // 输出顺序同步任务 1 → 同步任务 2 → 微任务Promise.then → 宏任务setTimeout宏任务与微任务的精妙舞蹈为了更精细地控制异步任务执行顺序任务队列进一步细分为宏任务Macrotasks与微任务Microtasks宏任务setTimeout、setInterval、I/O 操作、UI 渲染。每次 Event Loop 循环只会处理一个宏任务微任务Promise的回调then、catch、finally、MutationObserver。在一个宏任务执行完毕后、下一个宏任务开始之前Event Loop 会清空所有可用的微任务队列。这意味着微任务的优先级高于宏任务——Promise回调总是比setTimeout回调先执行。理解这一顺序是准确预测复杂异步代码行为的关键也是后续学习 Promise、async/await 的认知基础。第二篇从回调地狱到优雅的 Promise 与 async/await回调函数异步编程的起点与回调地狱回调函数是 JavaScript 处理异步操作最原始的方式允许我们指定一个函数在另一个操作完成后执行。当多个异步操作存在依赖关系时代码会层层嵌套形成难以理解和维护的回调地狱Callback HellgetUser(id, (user) { getOrders(user.id, (orders) { getPayments(orders[0].id, (payment) { // 继续嵌套…… }); }); });这种模式不仅降低了代码的可读性也使错误处理变得异常复杂。Promise异步流程的标准化与链式调用为解决回调地狱痛点Promise 应运而生。Promise 是一个代表异步操作最终完成或失败的对象有pending、fulfilled、rejected三种状态且状态不可逆转一旦从 pending 变为 fulfilled/rejected 便固定下来。它通过.then()、.catch()、.finally()实现链式调用使异步流程扁平化getUser(id) .then((user) getOrders(user.id)) .then((orders) getPayments(orders[0].id)) .catch((err) console.error(流程中任一步出错, err)) .finally(() console.log(无论成败都会执行));此外Promise.all()、Promise.allSettled()、Promise.race()等静态方法用于处理并发异步操作进一步简化复杂场景下的异步控制。async/await同步化异步代码的语法糖async/await 是基于 Promise 的语法糖使异步代码编写更接近同步代码。async关键字声明的函数总是返回一个 Promiseawait关键字只能在async函数内部使用它会暂停async函数的执行直到其等待的 Promise 解决或拒绝随后恢复执行。这种暂停-恢复机制让异步逻辑直观async function loadUserOrders(id) { try { const user await getUser(id); const orders await getOrders(user.id); return orders; } catch (err) { console.error(加载失败, err); } }从回调函数到 Promise 的标准化再到 async/await 的优雅JavaScript 异步编程技术完成了蜕变Promise 解决回调地狱、提供结构化异步处理async/await 则让异步代码拥有同步代码般的直观性。第三篇精通 JavaScript 异步——高级模式、并发控制与性能优化宏任务与微任务的深度实践理解事件循环中宏任务与微任务的执行顺序是编写可预测异步代码的基础。在复杂交互或数据处理场景下queueMicrotask能确保在当前渲染帧前尽快执行关键逻辑避免 UI 阻塞。精确辨析它们在不同运行环境浏览器/Node.js下的行为差异是避免竞态条件和优化性能的关键一步。异步操作的取消与并发控制面对用户取消操作或资源限制优雅地终止异步任务至关重要。AbortControllerAPI 提供了标准化的解决方案通过AbortSignal通知异步操作中止并清理资源const controller new AbortController(); const signal controller.signal; fetch(/api/long-task, { signal }) .then((res) res.json()) .catch((err) { if (err.name AbortError) console.log(请求已被用户取消); else console.error(err); }); // 用户点击取消按钮时 controller.abort();在高并发场景下通过限流如自定义队列或p-limit库控制同时进行的异步请求数量能有效防止系统过载提升稳定性和用户体验。异步迭代器与性能优化ES2018 引入的异步迭代器for await...of极大简化了异步数据流的处理让遍历异步生成的数据序列如同同步代码般直观for await (const chunk of readStream()) { process(chunk); // 逐个处理异步到达的数据块 }性能优化方面的核心策略包括尽早启动不相关的异步任务用Promise.all并行化而非串行 await以缩短总等待时间合理利用缓存减少重复请求以及避免在循环中创建不必要的 Promise减轻 Event Loop 的负担提升应用响应速度。源码级揭秘这套专栏是如何被智能体写出来的以上三篇文章并非人工撰写而是由 ColumnWriter 系统自动完成。理解其实现才能真正掌握这类自动化写作系统的设计范式。整体架构一个专业创作者团队根据 README.md 的项目说明ColumnWriter 模拟了一个专业创作者团队策划专家顶层设计与内容规划、写作专家具体内容撰写与工具调用、评审专家质量把控与反馈并支持树形递归生成专栏目录。核心模块划分如下模块文件职责Orchestratororchestrator.py主控中心协调各 Agent 工作流管理状态流转Agentsagents.pyPlannerAgent / WriterAgent / ReviewerAgent / RevisionAgent / ReflectionWriterAgentModelsmodels.pyContentNode 内容树、ColumnPlan 规划、ReviewResult 评审结果Promptsprompts.py规划、写作、评审、修改各环节的 Prompt 模板Configconfig.py环境变量、模型参数、评审阈值入口main.py交互式/命令行启动入口第一步Plan-and-Solve 规划专栏大纲入口 main.py 接收用户主题命令行参数或交互输入默认主题为Python异步编程完全指南随后ColumnWriterOrchestrator.create_column()orchestrator.py进入规划阶段由PlannerAgent使用PlanAndSolveAgent模式将JavaScript异步编程这样的宽泛主题分解为清晰步骤逐步执行。从 agents.py 中的自定义提示词可以看到规划被拆分为五个步骤分析主题核心概念与目标读者 → 确定知识体系整体框架 → 规划 2-4 个子话题保证逻辑递进→ 为每个子话题设定学习目标和要点 → 组装完整专栏大纲。最后一步要求输出严格的结构化 JSON包含column_title、column_description、target_audience、topics每个话题含id、title、description、estimated_words、key_points、prerequisites。本次运行产出的 3 个话题Event Loop 原理 → Promise/async-await → 高级模式正是这一逻辑递进要求的直接体现。规划结果被封装为ColumnPlan数据类models.py并持久化到.cache目录PlannerAgent以主题的 MD5 哈希为缓存键plan_{hash}.json同主题二次运行直接加载缓存节省 Token 与时间agents.py。第二步ReAct 模式递归写作规划完成后Orchestrator 遍历每个子话题以递归内容树方式写作。关键数据结构是ContentNode与ContentLevel枚举models.py定义了三个层级Level 1 (Topic)子话题引言与概述Level 2 (Section)细化为小节深入阐述Level 3 (Detail)补充案例、代码或详细说明。_recursive_write()orchestrator.py根据配置的max_depth默认 3见 config.py决定是否继续展开_process_children()orchestrator.py依据上一级生成结果中的needs_expansion与subsections字段递归创建子节点。三篇文章正文中### 引言 → ### 主体小节 → ### 总结的结构正是这套层级模板的输出。本次运行采用ReAct 模式WriterAgent基于ReActAgent推理 Reasoning → 行动 Acting → 观察 Observation 循环写作过程中可主动调用工具。从 agents.py 可见其注册了四类搜索函数web_search(query)通用网页搜索search_recent_info(topic)搜索最新信息与动态search_code_examples(technology, task)搜索代码示例和教程verify_facts(statement)验证事实准确性。若配置了TAVILY_API_KEY或SERPAPI_API_KEY则启用SearchTool若存在GITHUB_PERSONAL_ACCESS_TOKEN环境变量还会注册 GitHub MCPTool允许 Agent 直接读取开源项目代码作为写作素材agents.py。ReActAgent 的max_steps被设为 10给 Agent 更多机会完成任务。写作任务通过generate_content()构建agents.py明确要求引言、主体内容3-5个小节、实践案例、总结并强制以\n\nFinish[JSON内容]格式收尾content字段包含完整 Markdown 正文。第三步评审闭环与容错降级ReAct 模式还串联了独立评审流程_review_and_revise()orchestrator.pyReviewerAgent对生成内容多维度评审内容质量 40 分、结构逻辑 30 分、语言表达 20 分、格式规范 10 分输出 0-100 分与评级分数 ≥approval_threshold默认 75 分则通过否则进入修改分数 revision_threshold默认 60 分则触发RevisionAgent重写否则按评审意见修改循环直至达标或达到max_revisions默认 2 次上限。从本次的creation_stats看total_reviews: 0说明三篇文章均一次性通过评审或未启用评审环节这解释了 REPORT.md 中评审分数: N/A的字段。系统还内置了健壮的容错机制当 ReActAgent 达到最大步数或执行失败时ReActAgentWrapper会捕获历史信息Thought/Action/Observation由_generate_content_with_history()agents.py自动降级到 SimpleAgent利用最后 10 条历史摘要继续完成写作确保流程不中断统一的JSONExtractor则能处理 LLM 输出的各种非标准 JSONMarkdown 代码块、注释、不完整括号等。第四步组装、统计与导出所有节点写作完成后_assemble_column()orchestrator.py将内容树展平为 Markdown 文章_tree_to_markdown按层级生成#/###标题_calculate_statistics()统计总字数、平均字数等指标。最终由 main.py 导出到output_YYYYMMDD_HHMMSS目录——即本次的 output_20251121_190555 目录包含 REPORT.md、column_data.json 与三篇独立文章。关键配置速查以下是驱动本次创作的核心配置参数config.py参数默认值说明llm_model_idgpt-4LLM 模型兼容任意 OpenAI 接口格式模型支持llm_api_key/llm_base_url及旧字段映射max_depth3内容树最大递归层级Topic/Section/Detailapproval_threshold75评审通过阈值分数 ≥ 此值通过revision_threshold60分数低于此值触发重写而非小改max_revisions2单节点最大修改轮次word_count_level_1/2/3600/400/200各层级目标字数允许 ±10% 容差见word_count_toleranceenable_searchTrue是否启用 ReAct 搜索工具enable_reviewTrue是否启用独立评审仅 ReAct 模式运行方式详见 README.md 的快速开始pip install -r requirements.txt # 配置 .envOPENAI_API_KEY / OPENAI_BASE_URL可选 TAVILY_API_KEY 或 SERPAPI_API_KEY python main.py # 交互式模式 python main.py JavaScript 异步编程 # 命令行模式结语本文还原了 ColumnWriter 智能体用 69.2 秒自动产出的《JavaScript异步编程精解》专栏从专栏的规划蓝图REPORT.md到三篇递进式技术文章再到驱动这一切的 Plan-and-Solve 规划、ReAct 递归写作、独立评审闭环与缓存容错机制。对读者而言三篇文章构成了一条可系统学习的 JS 异步进阶路线对开发者而言ColumnWriter 的 源码 则提供了一个输入主题 → 输出成体系专栏的多智能体参考实现——只需替换规划/写作提示词与主题即可复用到任意技术领域的专栏创作场景。【免费下载链接】hello-agents 《从零开始构建智能体》——从零开始的智能体原理与实践教程项目地址: https://gitcode.com/GitHub_Trending/he/hello-agents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考