智能体已经开始操作文件、工具、浏览器和沙盒。
很多系统仍然把过程压成一段聊天记录。任务一旦变长，恢复、审计、分支和对比都会变得困难。
从这里开始
用更清晰的方式构建智能体工作流。
生态
Rath 项目、文章和代码的统一入口。
概览
为什么会有 Rath Team。
结构化 Session 更适合承载智能体工作。
我们把 Session 作为运行时对象：消息、工具结果、状态变化、fork 和 merge 都保留在结构化记录里。
工作流应该像软件一样组合。
OpenRath 使用 Python-first 的模块、显式交接、沙盒执行和可复用的工作流组件，支持研究和工程任务。
公开笔记让工作更容易被理解。
文档、示例、博客、GitHub 动态和社交账号面向不同读者，提供不同层次的细节。
证据流
真正有价值的是工作的路径。
对严肃的智能体工作流来说，最终答案只是结果的一部分。Rath Team 更关注过程中留下的证据： 用户提出了什么请求、运行了哪些工具、副作用落在哪里、发生了哪些变化，以及哪一个验证信号接受了结果。
有了这些记录，开发者可以检查、重放、分支和比较一次智能体运行，对结果形成更稳的判断。
- 任务 请求进入 Session
- 工具 调用记录参数和结果
- 沙盒 执行位置被记录下来
- 分支 被放弃的路径也保持可见
- 验证 测试或审查完成闭环
使用场景
哪些场景需要 session-first 工作流。
保留任务上下文、diff、测试运行和验证结果。
追踪资料来源、中间笔记、工具调用和实验状态。
让策略约束、操作日志、风控检查和多次运行证据保持可见。
把一次运行整理成可检查的档案，超越简单摘要。
最新进展
Rath Team 正在推进的工作。
团队
从校园出发，也有产业执行经验的团队。
Rath Team 由来自清华大学和中山大学的建设者组成，成员也有头部科技公司的工程实习经验。 我们把研究训练、产品判断和基础设施工程能力结合起来推进 OpenRath。
团队有技术项目协同、跨职能推进和早期研究落地的经验，也准备了初始运营资金， 让项目可以更专注地向前发展。
联系