工具
Rust 实现的递归 LLM 代理框架 TinyAgents 上线
开发者推出基于 Rust 的递归语言模型代理框架 TinyAgents，主打按需构建 LLM 图，已在 openhuma…
2026.06.30 · 周二约 2 分钟阅读评分 22
评分细项加权总分 22
- 重要性
- 18
- 新颖性
- 32
- 影响面
- 15
- 可信度
- 25
- 实质性
- 15
一位开发者在 Hacker News 上展示了名为 TinyAgents 的开源项目，这是一个完全用 Rust 编写的「递归语言模型（RLM）」代理框架。作者表示，RLM 是一种较新的设计思路，让 LLM 代理本身来决定如何编排或创建子代理，而现有的 Rust 生态缺乏类似工具，于是他参考 LangGraph 与 LangChain 的思路自行实现了该框架。
项目核心思路
- Rust 全栈实现：整套代理编排工作流基于 Rust 编写，相比 Python 系方案强调性能与可移植性。
- 按需 LLM 图构建：内置一个 Rust 写的 transpiler，可在运行时按需构建 LLM 调用图，而无需提前静态定义。
- 递归代理结构：支持 LLM 代理自行创建与调度子代理，呼应近期提出的 RLM（Recursive Language Models）概念。
与既有方案的关系
作者明确表示，TinyAgents 在设计哲学上大量借鉴 LangGraph 与 LangChain，但通过 Rust 的类型系统与运行时重新实现，并引入自描述、按需生成的图结构。他声称 openhuman 项目已经在生产环境使用该框架，但未给出具体的规模、延迟或稳定性数据。
现状与待观察之处
目前 TinyAgents 仅以「Show HN」形式发布于 Hacker News，截至本文撰稿时仅有 1 个点赞、0 条评论，仓库与文档细节也未在原帖中明确披露。对于一项号称「已在生产使用」的代理框架而言，仍需补充：
- 基准性能与对比数据（与 LangGraph、autogen 等方案的吞吐量、延迟差异）；
- 社区维护与版本节奏；
- API 稳定性与已支持模型清单。
总体来看，TinyAgents 体现了 Rust 进入 LLM 编排层这一趋势，但作为单一开发者项目，其技术深度、独立价值与生态潜力仍待更多公开信息验证。