Skip to content

示例

基于 Agents API 指南构建的完整应用,每个都使用项目 API 密钥连接真实的 Core 安装。

Parsar Agent 工作台 ​

基于 Core 构建的对话工作空间。从资源库和环境模板组装 Agent,然后在本地网页聊天中对话,或通过以 Agent 身份工作的飞书机器人对话。两个入口都创建普通的公开 Session。

源码:example/parsar。

按照示例 README运行和配置;该文档也定义其支持的功能、存储和验证方式。

阅读重点 ​

每项功能对应 API 的一个部分。结合指南章节阅读代码:

功能使用的 API指南代码
服务端密钥和请求头Bearer 密钥、OpenAI-Beta、路由允许列表开始前server.mjs
带 Harness 和模型的 Agentx_agents_core.harness、model_providerCore 扩展server/sessions.mjs
网页与飞书对话公开 Session 创建、输入事件、Turns 和 Items发送输入server/sessions.mjs、server/feishu.mjs
基于模板的托管 Environment带软件包、文件、env 和 setup_commands 的 openai_hosted创建 Sessionserver/runtime-profile.mjs
可在崩溃后恢复的 Session 创建Idempotency-Key、响应丢失后的恢复幂等性server/sessions.mjs
实时回复事件流、文本增量、重连与状态协调流式事件src/lib/live-session.ts
后续输入与取消带幂等键的输入事件发送输入src/Composer.tsx
历史分页读取 Turns 和 Items分页src/lib/api.ts
Skills 和版本/skills、默认版本Skillssrc/Skills.tsx

RL 与评测 rollout ​

一个 Python 脚本,把任务作为托管 Session 批量运行,可使用任意 Harness 和模型,并在沙箱外为每个答案评分。它展示 Core 作为 RL 训练与评测的 rollout 引擎。每次 rollout 是一个无网络的 Session,任务文件作为初始文件,答案作为 Artifact。

源码:example/rl-eval。

按照示例 README运行和配置;该文档也定义其输出格式、任务格式和训练接入方式。

阅读重点 ​

功能使用的 API指南代码
每次 rollout 一个 Session内联 input、metadata 和 openai_hosted创建 Sessionrl_eval.py
无网络的任务文件内联 files 和 network.access: disabled初始文件rl_eval.py
Harness 与模型矩阵x_agents_core.harness、model、model_providerCore 扩展rl_eval.py
等待、超时与取消轮询 Turn 列表、agent.session.input.cancel取消rl_eval.py
沙箱外取得答案outputs/ 下的 ArtifactsArtifactsrl_eval.py
轨迹与用量Items 和 Turn usageTurns 和 Itemsrl_eval.py

要贡献示例,请遵循应用示例边界。

基于 MIT 许可证发布。© 2026 MiniMax-AI