Southblock'Blog

众所周知，阅读源码是前端进阶的一种方式，但很多同学不会使用调试工具，不知道该怎么高效的阅读源码。市面上也没有课程专门讲调试的，而这门课程就是弥补这个领域的空白。 我们会学习网页、Node.js 的调试，还会学习调试工具的实现原理，并且自己实现一个简易版小程序调试工具、React DevTools 还有 Chrome DevTools。 课程主要分为四部分内容：用 VSCode Debugger 调试网页的 JS、用 VSCode Debugger 调试 Node.js、用 Chrome DevTools 调试网页、调试工具的原理和实现简易版调试工具。 首先，我们会学习如何用 VSCode Debugger 调试网页，以 React 项目为例，然后我们会过一遍 VSCode Chrome Debugger 的配置，之后再调试下 Vue 项目。 这个过程中会用到 sourcemap，所以接下来会讲 sourcemap 的原理和作用，webpack 的 sourcemap 配置，然后再用这些知识来调试 React、Vue 源码。 调试完 Vue、React 项目和 Vue、React 源码 ...

作为前端开发，调试是每天都会接触的概念。你觉得什么是调试呢？ 有同学说，我用 Chrome DevTools 调试网页，可以查看元素，网络请求，断点运行 JS，用 Performance 工具分析性能等，这是网页的调试。 有同学说，我用 VSCode Debugger 调试 Node.js，可以同时调试多个进程的代码。这是 Node.js 的调试。 有同学说，我用 React DevTools 和 Vue DevTools 的 chrome 插件来调试 React、Vue 组件，还会用独立的 React DevTools 调试 React Native 应用。这是我常用的调试工具。 没错，这些都属于调试。那它们有什么共同特点呢？ 它们都是把运行的状态暴露给调试工具，做一些展示和交互。 所以，我们可以给调试下个定义： 代码在某个平台运行，把运行时的状态通过某种方式暴露出来，传递给开发工具做 UI 的展示和交互，辅助开发者排查问题、梳理流程、了解代码运行状态等，这个就是调试。 这里的某个平台，可以是浏览器、Node.js、Electron、小程序等任何能执行 JS 代码的平台。 ...

✅AgentScope Java进阶：Plan-and-Execute 经典的 plan-and-execute 范式有两种：  双 Agent 模型（LangGraph）：Planner 跑一次出 plan → Executor 逐步执行 → 完不成再回 Planner 重规划。优点是职责清晰，缺点是状态在两个 Agent 之间穿梭、prompt 上下文冗长。  单 Agent 自驱模型（ASJ）：同一个 ReActAgent 既能调”规划工具”又能调”执行工具”——LLM 自己决定什么时候建计划、什么时候推进、什么时候改、什么时候收尾。框架只做两件事： 把”plan 是什么、当前进度、下一步该做什么”以 形式塞进每一轮的输入消息； 提供一组安全的、有状态校验的工具让 LLM 操作 plan。  ASJ 选了后者。代价是 prompt 工程要更精细（hint 必须根据状态动态生成），收益是统一了 ReAct 主循环——没有任何特殊”plan 阶段”和”execute 阶段”，所有动作都还是 reasoning↔acting。  在ASJ中，Plan-and-Exe ...

✅AgentScope Java进阶：Human-in-the-Loop Human-in-the-Loop我们之前也讲过，这是一种允许在 Agent 执行过程中暂停、人工审查、交互确认后继续执行的机制。这一机制使得 AI Agent 可以在涉及敏感操作、信息缺失或需要人类决策的场景下安全、可控地运行。  前面在介绍ReAct Agent的实现原理的时候提到过，ReActAgent每一轮迭代只干2件事，推理和行动。  整个过程对应用层是自动运转的，agent.call(userMsg).block() 一次调用要么成功返回最终答案，要么抛异常。HITL 要解决的核心问题就一句话：怎么在这个全自动循环里安全地插入一个”暂停—等用户—继续”的缝隙。  注意”安全”二字 —— 暂停后 memory 里可能留着没填 result 的 ToolUseBlock，下一次调用必须能恢复，不能让模型看到悬空状态。  敏感动作前确认 HIL的一个最常见的场景：模型想调 delete_file，我希望先弹出 “确认/取消”。  在ReActAgent.reasoning() 里，看 ...

✅AgentScope Java进阶：Skill Skill之前我们有专门的讲过，包括Spring Ai Alibaba也介绍过他的支持Skill的原理。  ASJ当然也是支持Skill的，并且支持的要比SAA好。  数据模型 前面我们介绍过skill的结构，在ASJ中对应的就是AgentSkill这个类，它包含以下这几个字段：  Column 1 Column 2 Column 3 字段 说明 必填 name Skill 名称 是 description Skill 描述，决定 LLM 何时触发该 Skill 是 skillContent Skill 的实际内容/指令 是 metadata 元数据 Map（含 name、description 及扩展字段） 是 resources 资源文件 Map（path -> content） 否 source 来源标识，默认 “custom” 否   Skill创建方式 我们有三种方式创建 AgentSkill：  方式一：直接构造  1AgentSkill skill ...

✅AgentScope Java特性：RAG （虽然在ASJ的2.0的relesse note中提到：RAG (Knowledge / KnowledgeRetrievalTools / RAGMode) and long-term memory modules deprecated — being rewritten on the v2 architecture; don’t depend on them in new code`，但是截止目前，2.0还没正式发布，也没给出替代方案，我们先讲1.0的方案和用法，后续新版本更新了我能再单独讲方案和用法）  三个核心抽象ASJ中针对RAG做了抽象，其中比较核心的就是Knowledge / Document / RetrieveConfig这三个。整个 RAG 子系统就由这三个类（接口）驱动，其它都是装饰。  Knowledge 接口只有两个方法：  12345public interface Knowledge { Mono<Void> addDocuments( ...

✅AgentScope Java特性：MCP接入 MCP我们前面有专门的章节介绍过了，他是 Anthropic 提出的开放协议，定义了”AI 应用”和”工具服务”之间的标准通信接口。核心思想是：  AI Agent（MCP Client） ←──MCP协议──→ Tool Server（MCP Server）  MCP Server 暴露工具列表 + 执行入口 MCP Client 负责发现工具、生成 schema 给 LLM、调用执行。  定义MCP Client（连接MCP Server）ASJ实现的是 MCP Client 端——让你的 Agent 可以连接任意符合 MCP 协议的 Tool Server。  McpClientBuilder McpClientBuilder通过名字你就能看出来，他是MCP Client的构造器。用它就能构造一个mcp client。通过McpClientBuilder.create(name)，他支持三种传输层：  123// StdIO 传输：启动子进程，通过 stdin/stdout 通信McpClientWrap ...

✅AgentScope Java特性：工具集成 我们最开始讲ASJ的时候的case中就演示了使用Toolkit来实现工具的集成，工具使用是Agent的必备技能。我们这一节再展开介绍下ASJ种的工具集成的相关能力和实现。  工具定义的方式 基于@Tool注解 在ASJ中，工具定义的方式有很多种，我们前面演示过最简单的基于注解的方式：  123456public class SimpleTools { @Tool(name = "get_time", description = "获取当前时间") public String getTime( @ToolParam(name = "zone", description = "时区，例如：北京") String zone) { return java.time.LocalDateTime.now() .format(java.time.format.Date ...

✅AgentScope Java中ReactAgent的实现原理 ReAct 的论文核心思想就一句话：让 LLM 交替”思考(Reasoning)”和”行动(Acting)”，直到得出最终答案。落到工程里要解决五个问题：  怎么把 LLM 决定的工具调用真正执行掉（reasoning → acting） 怎么把工具结果再喂回 LLM（acting → reasoning） 什么时候停（max_iters / 没有 tool_use / HITL stop / 完成） 流式输出怎么保证既能展示给用户、又能在结束时拼成完整 Msg 任意一步暂停或崩溃后，下次能从中间状态恢复  ReActAgent 的所有复杂度都是在回答这五个问题。  Builder装配 要了解ReActAgent的实现原理，需要从他的build方法讲起：  12345678910public ReActAgent build() { Toolkit agentToolkit = this.toolkit.copy(); // ① 深拷贝 ...

✅实战：实现AgentScope的三层记忆体系 AutoContextMemory的使用 AutoContextMemory其实也是Memory的一个实现类。所以可以把他当做Memory设置到ReactAgent中。  AutoContextMemory可以通过AutoContextConfig来设置一些可以调节的参数，并且AutoContextMemory因为需要用到LLM，所以需要给他一个ChatModel。  12DashScopeChatModel chatModel = DashScopeChatModel.builder() .apiKey("sk-dcebc45c03b04c6e85391abb2264e594") .modelName("qwen3-max") .stream(true) .enableThinking(true) .formatter(new DashScopeChatFormatter()) .defaultOption ...