BaseAI — Web AI 框架
构建带记忆的无服务器自主 AI 代理的最简单方式，本地优先，一键部署。
证据显示：README 强调 API 密钥仅限服务端使用，并提示不要公开；但未提供权限最小化的具体实现或审计。用户确认机制未见文档。数据流透明度：README 描述了 pipe 运行和流事件，但未说明数据如何存储、传输或共享。敏感数据处理：有 API 密钥处理提示，但未涉及其他敏感数据。依赖安全：package.json 列出依赖，但未提供安全审计或漏洞扫描证据。外部影响：框架会调用外部 LLM API，但未说明副作用或用户同意。回滚：未提及。来源归属：README 列出了作者，但未验证。扣分原因：缺乏具体实现细节和证据。
证据显示：README 和 package.json 一致，描述了框架用途和安装步骤。依赖可用性：依赖列表存在，但未验证版本可用性。失败消息：README 示例中有错误事件监听，但未提供详细的错误处理文档。扣分原因：依赖可用性和失败消息缺乏具体证据。
证据显示：README 面向开发者，提供了多种使用场景（本地开发、部署）。能力边界：描述了 pipes、tools、memory 等，但未明确限制。触发精度：pipe 运行由用户消息触发，但未详细说明触发条件。环境适配：支持 Node.js >=18，但未说明其他环境。扣分原因：能力边界和触发精度描述不充分。
证据显示：README 提供了清晰的目录结构和安装步骤。安装说明：有 npx baseai init 等命令。命名稳定性：未提及版本命名策略。示例和 FAQ：有代码示例，但无 FAQ。已知限制：未提及。许可证：Apache-2.0 明确。版本变更日志：未提及。维护责任：README 提到贡献指南，但未明确维护者。扣分原因：缺少版本变更日志和已知限制。
证据显示：输出可用性：提供了流式输出示例，输出格式清晰。边际价值：框架提供记忆和工具集成，有独特价值。成本效益：未提供性能或成本数据。扣分原因：成本效益缺乏证据。
证据显示：README 中的声明（如“最简单的方式”）未提供证据。交叉来源：未提供其他来源验证。事实与推断分离：README 混合了事实和营销语言。扣分原因：缺乏可验证的证据。
- 仓库已归档，建议使用替代方案 Langbase AI Primitives。
- 未提供安全审计或漏洞扫描证据，依赖安全性未知。
- API 密钥管理需谨慎，确保仅服务端使用。
这个 Agent 能做什么，适合哪些场景？
BaseAI 是一个 TypeScript 优先的框架，用于构建无服务器且可组合的 AI 代理，带有记忆（RAG）和工具。它允许开发者在本地机器上开发 AI 代理管道，集成代理工具和记忆，然后一键部署到无服务器环境。该仓库包含 CLI 工具（npx baseai）用于初始化项目、创建管道和运行开发服务器，以及 @baseai/core 库用于在应用中集成管道。该项目已存档，推荐使用 Langbase AI Primitives。
BaseAI 提供 CLI 命令：npx baseai@latest init 在项目根目录创建 baseai 文件夹（包含 baseai.config.ts、memory、pipes、tools 子目录）。npx baseai@latest pipe 交互式创建管道配置，生成 TypeScript 代码，定义模型、参数、系统提示、工具和记忆。npx baseai@latest dev 启动本地服务器。应用通过 import { Pipe, getRunner } from '@baseai/core' 创建管道实例并运行，支持流式响应，事件监听处理内容、错误和结束。
- 开发者想要快速搭建一个带系统提示和工具调用的 AI 代理，通过 CLI 初始化项目并创建管道。
- 需要集成记忆（RAG）的代理，使用 BaseAI 的 memory 功能本地运行。
- 希望将 AI 代理部署为无服务器 API 的团队，通过 npm 包和 Langbase 平台发布。
- 想要在应用中使用流式 AI 响应的 Node.js 开发者，使用 @baseai/core 的 Pipe 和 getRunner。
- 探索 AI 框架局限，考虑使用 AI 原语（如 Langbase）的开发者，BaseAI 作为参考实现。
这个 Agent 有哪些优点和局限？
- TypeScript-first 设计，提供类型安全和良好的开发者体验
- 本地优先开发，支持记忆（RAG）和工具集成，适合快速迭代
- 一键部署到无服务器平台，简化运维
- 支持多种主流 LLM 提供商（OpenAI、Anthropic、Cohere 等）
- 项目已存档，不再积极维护，可能缺乏长期支持
- 依赖 Langbase 平台进行部署和 API 密钥管理，存在平台锁定风险
- 需要配置多个 API 密钥，对使用多个提供商时管理复杂
- 框架本身限制灵活性，可能不适合高度定制需求
如何安装或部署这个 Agent？
需要 Node.js 环境。在项目目录运行 npx baseai@latest init。配置 .env 文件，设置 LANGBASE_API_KEY 以及所用模型提供商的 API 密钥（如 OPENAI_API_KEY、ANTHROPIC_API_KEY 等）。
如何使用这个 Agent？
- 运行
npx baseai@latest init创建项目结构。2. 在.env中添加 API 密钥。3. 运行npx baseai@latest pipe创建管道并编辑生成的配置。4. 在应用中导入管道配置，创建 Pipe 实例，调用pipe.run()并监听流事件。5. 使用npx baseai@latest dev启动本地服务器，npx tsx index.ts运行代码。
常见问题
BaseAI 是否需要 Langbase API 密钥？
LANGBASE_API_KEY，用于本地运行和部署。是否可以本地运行而不部署？
npx baseai@latest dev 启动本地服务器，但需要配置 LLM API 密钥。