Bee Agent Framework 中 Run.on API 端点的设计与实现
2025-07-02 14:07:49作者:裘晴惠Vivianne
在异步编程和事件驱动架构中,回调函数的处理方式直接影响着代码的可读性和开发效率。Bee Agent Framework 团队近期针对用户反馈进行了深入讨论,提出了一个优化事件监听API的设计方案。
现有实现的问题分析
当前框架中,用户若想监听特定事件需要嵌套两层回调函数:首先是一个观察者回调,接收发射器(emitter)对象;然后在该发射器上注册事件监听器。这种设计虽然灵活,但在常见场景下显得过于冗长。
以查询天气的代码为例:
response = await agent.run(
BeeRunInput(prompt="What's the current weather in Las Vegas?")
).observe(lambda emitter: emitter.on("success", lambda data, event: print(data.result)))
这种实现存在几个明显问题:
- 需要理解两层嵌套的lambda函数
- 代码可读性较差,特别是对初学者
- 常见场景下显得过于复杂
新API设计思路
团队提出的解决方案是引入Run.on(或Run.observeOn)方法,将原有的Run.observe和Emitter.on两个操作合并为一个简洁的API调用。
优化后的代码示例如下:
response = await agent.run("What's the current weather in Las Vegas?").on("success", lambda data, event: print(data.result))
技术实现考量
- 方法链式调用:保持框架一贯的流畅接口设计风格
- 类型系统支持:确保TypeScript和Python都能提供良好的类型提示
- 向后兼容:新API不会影响现有代码的正常运行
- 错误处理:保持原有的事件错误处理机制
多语言支持
这一改进将同时应用于Python和TypeScript两个版本,保持跨语言API的一致性:
- Python实现将利用其灵活的lambda表达式
- TypeScript实现将充分利用类型推断和箭头函数
性能影响评估
新API在性能上几乎不会带来额外开销,因为:
- 底层仍然是基于事件发射器模式
- 只是简化了API调用层级
- 不改变原有的事件派发机制
开发者体验提升
这一改进将显著改善以下方面:
- 减少样板代码量
- 降低学习曲线
- 提高代码可读性
- 保持API的直观性
总结
Bee Agent Framework 团队通过引入Run.onAPI端点,有效简化了事件监听的处理流程。这一改进体现了框架对开发者体验的持续关注,也是响应社区反馈的典型范例。新设计在保持原有灵活性的同时,为常见场景提供了更简洁的编码方式,将有助于提升整体开发效率。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781