花千树_010

Regnexe将能力市场Marketplace设计为纯接口，实现install/search/resolveDescriptor等7个方法即可自定义扩展。开发者可用数据库、ES或向量库替换默认内存。

Regnexe将插件打包与加载拆分为独立维度，提供四种方式：代码直打包（PluginDescriptor.builder动态拼装）、包扫描（自动发现注解类）、文件系统目录（运维热插拔），且可组合。

Regnexe框架通过`@Plugin`注解将`@AgentTool`、`@AgentSkill`、`@AgentSubAgent`四种Agent能力打包到一个Java类中，实现一次注册、统一扫描。

💸 一个很实际的成本问题 很多团队做多 Agent 系统会遇到这个问题：主任务需要强模型做复杂推理，但拆出来的某个子任务——比如"估算一下这次出差大概花多少钱"——逻辑很简单，用旗舰模型纯属浪费 to

🤔 一个会让人纠结很久的设计问题 做多 Agent 系统的时候，几乎每个人都会卡在这个问题上： 配置太灵活，团队用起来会乱——有人配了模型有人没配，排查的时候根本搞不清哪个子能力在用哪个模型。配置太死

对比 Workflow、ReAct 与 Re-Planning ，介绍 Regnexe 通过 Search-Plan-Execute-Reflect 循环，让 Agent 自主规划并反思任务完成度。

大家好，最近在搞一个开源项目，想分享出来，顺便记录一下踩坑过程——一个 Java / Spring Boot 的 Agent 框架，叫 Regnexe。这是系列第一篇，后面打算用 9 篇文章把核心能力

这两年，几乎所有企业都在谈AI转型。预算在批、项目在上、工具在买、培训在做。表面看热火朝天，实际走进很多公司，会发现一种普遍状态：卡顿、碎片化、不可控。 员工确实在用AI写报告、做PPT、查资料、写代

McpAgentExecutor是j-langchain框架的Java Agent执行器，将MCP工具多步ReAct推理调用的60行样板代码压缩至10行配置。