斯坦福最新开源了个 Git 原生的Agent框架！
斯塔福 + 东北大学最新开源项目 Shepherd，为 Coding Agent 建立了一套类似于 Git 的「版本控制系统」，支持 Agent 运行全过程的观察监督，分叉/回滚，以及失败重放；
⭐️ Shepherd 显著提升了 Agent 并行编程协作任务的成功率，回滚速度比传统 Docker 方案提升了5倍，而且还能复用模型约95%的 KV 缓存；

🤖 Shepherd 核心解决了什么问题？
- Agent 执行任务出错时无法回滚，只能从当前步骤重新尝试，浪费上下文资源；
- 现有 Agent 框架无论是工具调用，还是执行轨迹都只记录文本信息，无法提供底层运行状态；
- Agent 所有修改都直接生效，无法做到先预览，让用户自行决定是否合并；
- 在强化学习训练中，由于任务步骤过多，无法判定有效步骤，导致任务奖励信号稀疏的问题；

⭐️ Shepherd 核心是将 Agent 抽象为四种函数式编程原语：
- 任务：Agent 被定义为具有类型化输入和输出的函数；
- 效应：Agent 所有行为都能被具象为类型化的事件流，框架可以在不影响执行的前提下，订阅和拦截这些事件流；
- 作用域：特定的任务执行环境，绑定了特定的沙箱，模型和工具；
- 执行轨迹：记录完整的历史执行轨迹；

🤖 Shepherd 的完整执行轨迹有什么特点？
- 执行轨迹 = 结构化事件 + 调用意图 + 实际结果 ；
- 与 Git 类似，Agent 的每一步操作都会封装成一次提交（Commit），持久化记录完整的执行轨迹和文件系统状态；
- 将执行历史维护成一个类 Git 提交图，生成新分支时，通过在文件系统上创建一个「Copy-on-Write 写时复制层」，替代全量复制文件，大幅提升运行效率；

⭐️ 在 CooperBench 上，Shepherd 让多 Agent 结对编程的成功率从28.8%直接提升至 54.7%；总结来说，如果说 Git 的目的是使编程文件的更改可逆，那么 Shepherd 则试图为 Agent 的实时运行过程实现同样的目标；
chatgpt应用领域 python编程 AI人工智能 ai研究