TypedAI
面向开发者的 TypeScript 优先 AI 平台，支持自主智能体、软件工程师智能体和 LLM 工作流。
证据显示有权限控制（如Docker隔离、沙箱执行）和用户确认机制（human-in-the-loop），但缺乏详细文档和代码证据。数据流透明度不足，敏感数据处理未明确。依赖安全有secretlint和lint-staged，但未提供漏洞扫描。外部影响有代码编辑和PR创建，但未明确权限边界。回滚机制未提及。来源归属有作者邮箱，但未验证。
自一致性较好，README和package.json描述一致，但存在版本不一致（README说MIT，package.json是ISC）。依赖可用性有大量依赖，但未提供锁定文件或完整性校验。失败消息有错误处理示例，但未系统化。
受众明确为开发者，场景多样（CLI、Web、Slack）。能力边界有描述，但未明确限制。触发精度有CLI命令和agent名称，但未详细说明。环境适配有Docker和云部署选项，但未提供详细配置。
信息架构清晰，有文档站点和目录结构。安装说明有README和package.json，但缺少详细步骤。命名稳定性有版本号，但未提供变更日志。示例和FAQ有代码示例，但无FAQ。已知限制未提及。许可证元数据MIT，但package.json是ISC，不一致。维护责任有作者邮箱和贡献指南，但未明确维护者。
输出可用性有CLI和Web UI，但未提供输出格式说明。边际价值有对比LangChain，但未提供性能数据。成本效益有开源许可，但未提供成本分析。
声明可追溯性有文档链接，但未提供具体证据。跨来源佐证有外部链接，但未验证。事实与推断分离未明确。
- 许可证不一致：README声明MIT，package.json声明ISC，需澄清。
- 依赖众多且未提供锁定文件，供应链风险较高。
- 权限控制（如代码编辑、PR创建）缺乏最小权限原则的明确文档。
- 未提供回滚机制，操作失败可能难以恢复。
这个 Agent 能做什么，适合哪些场景？
TypedAI 是一个完整的 TypeScript AI 平台，用于构建和运行智能体、LLM 工作流和聊天机器人。它包含自主智能体、软件开发者智能体、PR 代码审查智能体、AI 聊天界面和 Slack 聊天机器人。平台支持多种 LLM 服务，如 OpenAI、Anthropic、Gemini、Groq 等。TypedAI 提供 CLI 和 Web UI，可本地运行或云端部署，支持多用户和 SSO。它利用 OpenTelemetry 进行可观测性，并通过执行 Python 脚本/包利用 Python AI 生态。TypedAI 不使用 LangChain，而是直接采用 TypeScript 控制流和自动生成的 LLM 函数模式。
TypedAI 提供命令行工具（ai 脚本）用于查询、编码和研究任务；codeAgent 可自动编辑代码，包括项目初始化检测、任务文件选择、设计、编辑、编译、lint、测试和修复循环。软件工程师智能体可从 GitLab/GitHub 找到仓库，克隆、创建分支，调用编码智能体并创建合并请求。代码审查智能体可在 GitLab 合并请求的相应行发布评论和建议。平台支持人类介入，包括预算控制、智能体发起的提问和错误处理。它自动从 @func 装饰的类方法生成 LLM 函数模式，并提供文件系统、Jira、Slack、Perplexity、Google Cloud、GitLab、GitHub 等集成。
- 开发人员使用
ai query快速询问代码库问题，如 'What test frameworks does this repository use?' - 开发人员使用
ai code自动向用户认证函数添加错误处理，实现自主代码修改。 - 开发人员使用
ai research研究大型语言模型的最新进展，获得报告。 - 开发团队使用代码审查智能体在 GitLab 合并请求上自动评论改进建议。
- 需要将工单转换为 PR 的团队使用软件工程师智能体，自动找到仓库、创建分支、实现更改并创建合并请求。
- 使用 Slack 的团队部署聊天机器人，通过对话界面与 AI 交互。
这个 Agent 有哪些优点和局限？
- 支持多种 LLM 服务（OpenAI、Anthropic、Gemini、Groq 等），避免供应商锁定。
- 提供自动生成的 LLM 函数模式，减少手动定义 zod/JSON 的重复工作。
- 内置软件开发智能体，包括代码编辑、代码审查和软件工程师智能体，可自动化完整开发工作流。
- 支持人类介入，提供预算控制、提问和错误处理能力，增强可控性。
- 基于 OpenTelemetry 的可观测性，支持 Google Cloud 等追踪。
- 提供 CLI 和 Web UI 两种界面，适应不同使用偏好。
- 采用 TypeScript，需要开发者熟悉该语言和 Node.js 环境。
- 不使用 LangChain，自定义框架可能增加学习曲线。
- 部署到云端需要依赖 Google Cloud（Firestore、Cloud Run、IAP）等特定服务。
- 尽管支持多种 LLM，但多智能体推理实现可能增加复杂性和资源消耗。
- 文档可能不完整，安装和配置步骤未完全明确。
- 需自行管理 LLM API 密钥和费用，存在成本考量。
如何安装或部署这个 Agent？
从 GitHub 克隆仓库（TrafficGuard/typedai），安装依赖（Node.js 和 npm），配置环境变量以设置 LLM API 密钥（如 OpenAI、Anthropic）。也可使用提供的 Dockerfile 构建镜像运行。具体步骤和变量名未在 README 中详细说明。
如何使用这个 Agent？
使用 ai 脚本进行 CLI 操作，例如 ai query "..."、ai code "..."、ai research "..."。ai 在本地运行，aid 在 Docker 中运行。更详细的 CLI 用法见 [CLI Usage Guide](https://typedai.dev/cli-usage/)。对于自主智能体，使用 startAgent 函数并传入 agentName、initialPrompt、functions 和 llms 参数。
这个 Agent 与同类方案有什么区别？
TypedAI 明确与 LangChain 比较，指出其不使用 LangChain，并提供了对比示例。TypedAI 的优势在于使用 TypeScript 静态类型和简单控制流，便于调试，而 LangChain 使用链式抽象。