BaselithCore Skill 技能

技能简介

BaselithCore 是一款面向生产级 Agentic AI 的高性能编排引擎，旨在将 AI 智能体从实验原型可靠地落地为生产级基础设施。框架基于模块化架构，提供与领域无关的核心引擎，支持构建可扩展的多智能体系统（Multi-Agent）。其核心设计哲学是「Sacred Core」——core/ 目录仅包含编排逻辑和基础设施代码，不含任何领域特定逻辑，所有业务能力均以插件（Plugin）形式扩展。

核心能力

• 持久化执行与时光倒流：内置检查点/恢复（Checkpoint/Resume）、可重放的工具调用步骤、状态历史和分支/回滚机制，任务中途崩溃可完整恢复，不产生任何重复副作用。
• 世界模型与认知层：集成 MCTS（蒙特卡洛树搜索）、思维链（Tree-of-Thoughts）、Swarm 拍卖协议和对抗性推理，全面提升 Agent 的规划与决策能力。
• 原生 MCP 支持：内置双代际 MCP 协议实现，同时支持 MCP Server 和 MCP Client 模式，并提供声明式 MCP 注册表，实现与现有 MCP 生态的无缝对接。
• 记忆层次结构：STM（短时记忆）→ MTM（中时记忆）→ LTM（长时记忆）三级记忆体系，支持混合搜索和层级分块，兼容 Qdrant 和 pgvector 向量后端。
• 可观测性与安全：内置 OpenTelemetry 链路追踪、Prometheus 指标（含实际 USD 成本）、红队测试、LLM-as-Judge 评估，以及多层 Guardrails 和沙箱代码执行。
• 模块化插件系统：所有业务逻辑、集成和专业化能力均以插件形式交付，核心引擎永不膨胀，插件可使用任意许可证。
• 自主性与人工干预：支持自主性门控、持久化 Human-in-the-Loop 审批、请求级成本预算和提示词注入防护，默认 Fail-Closed。
• 合规工具包：开箱即用的 EU AI Act / GDPR / NIS2 / DORA 合规原语，含证据链追踪，附完整差距分析报告。

安装配置

1. 基础安装： pip install baselith-core
2. 可选依赖（按需安装）： pip install baselith-core[rag] # RAG 能力 pip install baselith-core[browser] # 浏览器自动化 pip install baselith-core[evaluation] # 评估套件
3. 启动基础设施（Docker Compose）： docker compose up -d # 启动 Redis、PostgreSQL、Qdrant（可选）
4. 验证安装： baselith doctor

使用步骤

1. 导入核心组件： from core.agent import Agent, Crew, Task
2. 定义 Agent： researcher = Agent(system_prompt="你是一位严谨的研究员。") writer = Agent(system_prompt="你撰写简洁的执行摘要。")
3. 构建 Crew 并分配任务： crew = Crew(agents=[researcher, writer], tasks=[ Task("研究 {topic} 并列出关键事实。", agent=researcher), Task("根据研究结果撰写摘要。", agent=writer), ])
4. 执行并获取结果： result = await crew.run(inputs={"topic": "向量数据库"}) print(result.final)
5. 生产级部署：使用 Helm/Terraform 图表在 Kubernetes 集群中部署，支持 SLO 规则配置。

适用场景

• 企业级 AI Agent 落地：需要稳定运行、自动恢复、可观测监控的生产环境，BaselithCore 提供开箱即用的基础设施。
• 多智能体协作系统：Crew 模式支持顺序、并行和 Manager 主导的多种协作模式，适合复杂任务的分工与集成。
• 高风险决策场景：内置 EU AI Act / GDPR 合规原语和 Human-in-the-Loop 审批，适合金融、医疗、法律等强监管行业。
• RAG 与知识密集型应用：三级记忆层次结合 Qdrant/pgvector 向量后端，支持大规模知识库的构建与检索。
• 需要红队测试的 AI 系统：内置评估套件和 LLM-as-Judge，支持轨迹评估和多模型对比（Model Bake-off）。

适用人群

• AI 工程师：需要构建生产级 Agent 系统，了解 Crew、Task 和 Agent 的协同工作原理。
• 平台工程师：需要将 AI 能力集成到现有基础设施，关注 OpenTelemetry、Prometheus 和 Kubernetes 部署。
• 合规与安全团队：关注 EU AI Act、GDPR 合规，需要审计追踪和证据链记录。
• 研究员：需要 MCTS、世界模型和 Swarm 智能等高级推理与规划能力的实验环境。

工作原理

BaselithCore 的核心是一个与领域无关的编排器（Orchestrator），负责意图识别、路由、自适应循环和持久化检查点管理。认知层（Cognitive Layer）包含 MCTS 推理、世界模型（风险评估与模拟）、Swarm 拍卖协议和规划模块；记忆层次结构（STM→MTM→LTM）与存储层（PostgreSQL、Redis、Qdrant）协同工作；LLM 层支持 Anthropic、OpenAI、Gemini、Ollama 和 HuggingFace 等多模型，并提供原生工具调用和跨提供商回退机制。插件注册表（Plugin Registry）允许注入自定义处理器和路由器，实现能力的无限扩展。

官方链接

• PyPI：https://pypi.org/project/baselith-core/
• 文档：https://docs.baselithcore.xyz
• GitHub：https://github.com/baselithcore/baselithcore