Agno (Phidata)

🏗️ 核心架构

前身为 Phidata，轻量高性能 Agent 框架。核心设计理念：一切可配置、一切可插拔。Agent 类是唯一入口，通过组合模式组装 Memory、Knowledge、Tools 等能力。

代码组织从单一 agno/agent/agent.py（1735 行）拆分出专门模块：

agno/agent/
  ├── agent.py        → Agent 主类（1700+ 行）
  ├── _messages.py    → 系统/用户消息构建
  ├── _utils.py       → 辅助函数
  └── _init.py        → Manager 初始化

📝 提示词工程（源码级分析）

Agno 拥有所有框架中最复杂的系统提示词构建管线——get_system_message() 函数超过 200 行，按 17 个有序步骤组装：

System Prompt 组装流程

1. description        → Agent 描述
2. role               → <your_role>{role}</your_role>
3. instructions       → <instructions> 或纯列表
4. additional_information → markdown / datetime / location / name
5. _tool_instructions → 工具使用指引
6. resolve_in_context → {variable} 模板替换
7. expected_output    → <expected_output>
8. additional_context → 自定义上下文
9. skills             → Skill 系统提示片段
10. memories          → <memories_from_previous_interactions>
    + enable_agentic_memory → update_user_memory 工具指引
11. cultural_knowledge → <cultural_knowledge> 文化知识
    + enable_agentic_culture → create_or_update_cultural_knowledge 工具指引
12. session_summary   → <summary_of_previous_interactions>
13. learnings         → 学习结果注入
14. search_knowledge  → RAG 搜索指令
15. model system msg  → 模型特定提示
16. JSON output prompt → 结构化输出指引
17. session_state     → <session_state> 完整状态

变量模板系统

format_message_with_state_variables() 将 {var_name} 替换为 session_state / dependencies / metadata / user_id，使用 Python string.Template.safe_substitute() 避免缺失变量报错。

Cultural Knowledge（独有特性）

<cultural_knowledge>
---
Name: {name}
Summary: {summary}
Content: {content}
</cultural_knowledge>

文化知识系统实现跨 Agent/跨 Session 的共享经验——类似于组织知识库，但由 Agent 自主贡献和更新。

Agentic Memory 提示词

<updating_user_memories>
- You have access to the `update_user_memory` tool
- If the user's message includes information that should be
  captured as a memory, use the `update_user_memory` tool
- Memories should include details that could personalize
  ongoing interactions with the user.
</updating_user_memories>

♻️ 主循环

Agent.run()
  → get_system_message()      → 构建 17 步系统提示词
  → get_user_message()        → 构建用户消息（含知识检索）
  → model.response()          → LLM 调用
  → (tool_calls → execute → LLM call)*  → 工具循环
  → response
  → (save memories / update learnings)

🔧 工具系统

• Toolkit — 工具分组类，@tool 装饰器
• Function calling via LLM APIs
• 内置工具包：DuckDuckGo、Calculator、File、Shell 等
• 支持 MCP 工具集成

🧠 记忆系统

• AgentMemory — 多后端存储（SQLite、Postgres 等）
• 对话摘要 — 长上下文自动摘要
• 知识库 RAG — KnowledgeBase + 向量检索
• Agentic Memory — Agent 可主动调用 update_user_memory 工具更新记忆
• Cultural Knowledge — 跨 Agent 共享文化知识，Agent 可用 create_or_update_cultural_knowledge 贡献
• Learnings — Agent 学习结果持久化

🆕 独特特性

• Cultural Knowledge — 所有框架中唯一的跨 Agent 文化知识共享系统
• Agentic Memory — Agent 自主管理用户记忆，不只是被动存储
• 17 步提示词管线 — 最完整但也是最冗长的提示词构建系统
• Multi-Modal 原生 — 文本/图片/音频/视频开箱即用
• Session Summary — 自动对话摘要并注入系统提示词

🔑 核心类

📂 关键文件

• libs/agno/agno/agent/agent.py — Agent 主类
• libs/agno/agno/agent/_messages.py — 系统提示词构建（核心）
• libs/agno/agno/utils/prompts.py — JSON 输出提示词模板
• libs/agno/agno/tools/toolkit.py — 工具系统
• libs/agno/agno/memory/agent/memory.py — 记忆系统
• libs/agno/agno/knowledge/ — 知识库