九个开源仓库串成 GPT 6 Astra 工程系统

github.com/langchain-ai/l… github.com/oraios/serena github.com/mem0ai/mem0 github.com/browser-use/br… github.com/github/github-… github.com/e2b-dev/E2B github.com/pytest-dev/pyt… github.com/langfuse/langf… github.com/nektos/act 九个开源仓库拼出一套 GPT 6 Astra 的工程系统，这是视频里那套，一个仓库对应一个环节，链条跑完直接进 PR。 九枚各管一段。LangGraph 掌管代理的图、状态和重试；Serena 给 Astra 语义级的仓库访问，符号、引用、结构都认；Mem0 负责跨任务跨会话的持久记忆；Browser Use 配一台浏览器，查文档、查外部资料；GitHub MCP Server 把代理直连 issues、仓库和流水线；E2B 给它一间隔离的运行时，装命令跑代码都在里头；pytest 在东西出门前先跑真测试；Langfuse 把每次模型调用和工具步骤都记下来，出错能回放；act 让 Actions 在本地先跑一遍，再去最后那下推送。 流程按这个顺序串起来。Astra 出思路，LangGraph 排计划，Serena 读仓库，Mem0 把上下文接上，Browser Use 取外部信息，MCP 连上仓库，E2B 执行，pytest 验代码，act 查流水线，Langfuse 记录全程，最后 PR。 "模型只是推理层"这半句是全场重心。前面模型不动砍三倍开销讲的是会话里省钱，这条讲的是会话之外那一整圈。跟前面发仓库给它学呼应，那条递的是一个仓库，这条递的是九个怎么排座次。两头都在回答同一个问题，一个提示怎么变成能交付的活。跟前面一周只开两三次也接得上，能跑起来的系统越多，越不靠哪个窗口常开。 左右中三栏这个摆法我留意，模型、工具、交付各占一栏，把工程的骨架一眼摊平，这比单讲某个模型强在哪要清楚得多。 九个仓库里我只熟三四个，剩下的打算挨个过，先看 Serena 这种语义访问是怎么做到的。 这周照链条把自己的系统填一遍，缺哪段就补哪段。