AI 后端基础设施

像构建 API 一样构建和扩展 AI Agent。部署、观测并验证。

AI 已经超越了聊天机器人和提示词编排器。后端 Agent 需要后端的底层架构。

文档 · 快速入门 · Python SDK · Go SDK · TypeScript SDK · REST API · 示例 · Discord

---

AgentField 是一个开源的控制平面（Control Plane），让你能够构建可供技术栈中任何服务（前端、后端、其他 Agent、定时任务等）调用的 AI Agent，就像使用普通 API 一样。你可以使用 Python、Go 或 TypeScript 编写 Agent 逻辑，AgentField 会将其转化为生产级基础设施：提供路由、协同、记忆、异步执行和加密审计跟踪。每个函数都成为一个 REST 端点，每个 Agent 都拥有加密身份，且每一个决策都是可追溯的。

from agentfield import Agent, AIConfig
from pydantic import BaseModel

app = Agent(
    node_id="claims-processor",
    version="2.1.0",# Canary 部署、A/B 测试、蓝绿发布
    ai_config=AIConfig(model="anthropic/claude-sonnet-4-20250514"),
)

class Decision(BaseModel):
    action: str# "approve", "deny", "escalate"
    confidence: float
    reasoning: str

@app.reasoner(tags=["insurance", "critical"])
async def evaluate_claim(claim: dict) -> dict:

    # 结构化 AI 判断 - 返回类型化的 Pydantic 输出
    decision = await app.ai(
        system="保险理赔专员。请评估并做出决定。",
        user=f"理赔单 #{claim['id']}: {claim['description']}",
        schema=Decision,
    )

    if decision.confidence < 0.7:
        # 挂起以等待人工介入 (Human-in-the-loop)
        await app.pause(reason="置信度不足，需人工审核")

    return {"status": "processed", "decision": decision}

你刚刚看到的是： app.ai() 调用 LLM 并返回结构化输出。app.pause() 会挂起进程以等待 人工审批。app.call() 通过控制平面路由到其他 Agent。app.run() 自动将所有功能暴露为 REST API。阅读完整文档 →

从提示词到生产环境 (推荐)

用一行代码描述系统。获取一个生产就绪的多 Agent 后端。

适用于 Claude Code、Codex、Gemini CLI、OpenCode、Aider、Windsurf 和 Cursor。

curl -fsSL https://agentfield.ai/install.sh | bash

在 Claude Code 中，使用内置的斜杠命令触发：

/agentfield a claims processor with risk scoring and human approval

或者直接粘贴以下内容——无需斜杠命令，系统会自动匹配技能：

Build a claims-processor agent with risk scoring, pattern detection,
and human approval for low-confidence decisions.

Build a research agent that spawns parallel investigators and recurses
into deeper sub-questions until the answer has citation-grade provenance.

Build a compliance agent.