Skip to content

依赖注入

llm-harness 采取了一个强硬的立场：每个依赖都是显式的，每个参数都是必需的。

为什么没有默认值？

# llm-harness 风格 — 一切显式
harness = Harness(
    provider=OpenAICompatProvider(api_key="sk-xxx"),
    model="deepseek-chat",
    tools=my_tools,        # 必需
    sandbox=my_sandbox,    # 必需
    memory=my_memory,      # 可选 — 显式传入 None
    permissions=my_perms,  # 可选 — 显式传入 None
)

这是经过深思熟虑的设计：

  1. 没有隐藏耦合。 你可以在调用处看到 Agent 依赖的每一个组件。
  2. 没有文件系统副作用。 构造函数从不读取文件、环境变量或全局配置。
  3. 可测试。 每个依赖都可以替换为 mock。
  4. 可审计。 静态分析工具可以验证所有依赖都已提供。

回调注入

因部署环境而异的行为通过回调注入，而非子类覆盖：

loop = AgentLoop(
    on_build_context=lambda msg, history: [
        {"role": "system", "content": "You are helpful."},
        *history,
        {"role": "user", "content": msg.content},
    ],
    on_tool_check=lambda name, tool, args: (
        permission_checker.evaluate(name, ...)
    ),
    on_error=lambda exc, ctx: logger.exception("Error in %s", ctx),
)

这意味着你无需子类化 AgentLoop 即可更改系统提示词、权限逻辑或错误处理。

构造函数 vs 工厂

Harness 是框架中唯一的"工厂"。ToolFactory 是一个便利工具，用于构建标准的 15 个工具及其注入的依赖。对于自定义设置，你可以绕过这两者，直接连接 AgentLoop + Agent：

loop = AgentLoop(provider=..., tools=..., model=...,
                 on_build_context=..., on_tool_check=..., on_error=...)
agent = Agent(loop=loop)
result = await agent.process(msg, session=session, cwd=cwd)

对比

特性 llm-harness 典型框架
提供者 构造函数参数 环境变量 / 全局单例
工具 注入的 ToolRegistry 自动发现 / 装饰器注册
配置 传入的 Pydantic 模型 内部读取 YAML 文件
会话 调用者传入 Session 框架管理生命周期
工作区 调用者传入 cwd: Path 框架内部解析