Página inicial Explorar Ajuda
Registrar Entrar
CaoZheng
/
lambdagent
1
0
Fork 0
Arquivos Issues 0 Pull Requests 0 Wiki
Tree: 226148f626
Branches Tags
lambdagent
/
docs
/
cangjiemagic-comparison.md

cangjiemagic-comparison.md 13 KB
Histórico Raw

CangjieMagic vs lambdagentpaas 对比分析

CangjieMagic: 华为仓颉社区开源的 LLM Agent 开发框架 (2025.03)，基于仓颉语言原生构建 lambdagentpaas: 基于 λA 类型化 Lambda 演算的 Agent 编程平台，三篇论文支撑

Sources:

一、定位对比

维度 CangjieMagic lambdagentpaas
一句话定位 仓颉语言原生的 Agent 开发框架 Agent 编程语言 + 静态安全平台
核心能力 让开发者用仓颉语言快速构建 Agent 让 Agent 组合有数学保证
宿主语言 仓颉 (Cangjie) Python
理论基础 无形式化理论 三篇论文 (λA 类型系统 + 操作语义 + 效果系统)
平台 HarmonyOS + Windows + macOS + Linux 服务器 + 本地 + PaaS
MCP 支持 原生 MCP 协议 MCP Client + MCP Server
开源时间 2025.03 研究项目

二、Agent DSL 语法对比

CangjieMagic — 宏装饰器体系

// @agent: 定义智能体
@agent[
    model: "deepseek:deepseek-chat",
    tools: [search_web, read_file],
    mcp: [stdioMCP, httpMCP],
    rag: { source: "./docs/manual.pdf", mode: "static" },
    description: "一个通用助手",
    temperature: 0.7,
    executor: "tool-loop",
    memory: true,
    enableToolFilter: true,
    dump: true,
]
class AssistantAgent {

    // @prompt: 系统提示词 (支持 CRISPE 模式)
    @prompt[pattern: "CRISPE"] (
        capacity: "你是一个专业的技术顾问",
        insight: "深入理解软件架构设计",
        statement: "请提供清晰、准确的技术建议",
        personality: "严谨、务实",
        experiment: "尝试从多角度分析问题",
    )

    // @tool: 定义工具
    @tool
    func searchDocument(query: String): String {
        // 搜索文档
    }

    // 默认对话方法
    func chat(question: ToString): String
}

// 多智能体协同 — 三种操作符
let result1 = agentA | agentB           // 自由协同 (FreeGroup)
let result2 = agentA |> agentB |> agentC // 线性协同 (LinearGroup, 管道)
let result3 = leader <= [worker1, worker2] // 主从协同 (LeaderGroup)

lambdagent DSL — Lambda 项 + YAML

# Lambda 项构建
assistant = Lam("assistant", "你是一个专业的技术顾问", model="deepseek-chat")
search = Tool("search", search_document)
reader = Tool("read", read_file)

# 组合: 管道 (≡ CangjieMagic 的 |> 线性协同)
pipeline = assistant >> search >> reader

# 并行 (≡ CangjieMagic 的 | 自由协同)
parallel = Pair(agentA, agentB)

# 主从 (≡ CangjieMagic 的 <= 主从协同)
handoff = Handoff(
    selector=leader,
    registry={"worker1": worker1, "worker2": worker2},
)

# 额外构造 (CangjieMagic 没有的)
loop = Loop(body, condition, max_steps=20)        # Y 组合子
guard = Guard(agent, validator=is_valid, retry=3)  # 输出验证
route = Route(classifier, {"code": coder, "doc": writer})  # 多路分发

# YAML 声明式
agentId: assistant
type: react
model: { provider: deepseek, name: deepseek-chat, temperature: 0.7 }
systemPrompt: "你是一个专业的技术顾问"
mcp: { localTools: [search, read, terminate] }
runtime: { engine: cek, costBudget: 5.00 }

三、核心机制逐项对比

3.1 多智能体协同

这是两个框架最可比较的部分。

模式 CangjieMagic 操作符 lambdagent 构造 形式化保证
自由协同 agentA \| agentB (FreeGroup) Pair(A, B) / Par(A, B, C) Pair 汇合定理 (Prop. 30)
线性协同 A \|> B \|> C (LinearGroup) A >> B >> C (Compose) 结合律 (Thm. 36) + T-Compose 类型检查
主从协同 leader <= [workers] (LeaderGroup) Handoff(leader, registry) 动态路由 + 类型兼容检查
循环 未公开 Loop(body, cond, n) 终止性定理 (Thm. 5.4)
审查 未公开 Guard(agent, P, k) 精化类型 {x:B\|P(x)}
多路分发 未公开 Route(classifier, routes) T-Route 穷举检查
群组讨论 未公开 GroupChat(agents, scheduler) N 智能体 Y 组合子
消息通道 MCP 协议 Channel + Send + Receive π-演算通信

CangjieMagic 的优势: 操作符语法极其简洁—— |、|>、<= 三个符号覆盖三种协同模式，学习成本几乎为零。

lambdagent 的优势: 构造种类多 (11+5 vs 3)，每个构造有形式化定理保证。CangjieMagic 的 | 没有并行安全检查，|> 没有类型兼容检查。

3.2 @prompt 模式 vs systemPrompt

| | CangjieMagic @prompt | lambdagent systemPrompt | |--|---------------------|----------------------| | 结构化 | CRISPE 模式 (Capacity/Insight/Statement/Personality/Experiment) | 自由文本 | | IDE 支持 | 仓颉 IDE 可解析 pattern 字段 | VS Code 扩展 (基础 lint) | | 编译检查 | 模式字段存在性检查 | 26 条 lint 规则 |

CangjieMagic 的 CRISPE 模式是个好设计——把 prompt 拆成 5 个维度，比自由文本更结构化、更可审查。lambdagent 的 systemPrompt 是自由文本，可以考虑借鉴。

3.3 工具定义

| | CangjieMagic @tool | lambdagent Tool | |--|-------------------|----------------| | 定义方式 | @tool func name(args): ReturnType | Tool("name", fn) | | 类型 | 仓颉静态类型 | Paper III τ₁ →^{io} τ₂ | | 验证 | 仓颉编译器类型检查 | ValidatedTool + JSON Schema | | 权限 | 未公开 | GatedTool + 60+ 危险命令检测 | | MCP 工具 | mcp: [stdioMCP, httpMCP] | MCP Client 自动发现 | | 内置数量 | 未公开 | 52 个 |

3.4 安全保障

能力 CangjieMagic lambdagentpaas
编译时类型检查 仓颉基础类型 T-Compose: output(f) <: input(g)
编译时成本预测 无 分级类型 (p, t, l, m)
终止性保证 无 定理 5.4: fix_n 在 n 步终止
并行安全证明 无 命题 30: Pair 汇合
lint 规则 无 26 条
效果隔离 无 Production/Test/Trace Handler
成本熔断 无 CEK Yield 逐步监控
代数优化 无 6 条代数定律

这是最大的差距。CangjieMagic 的三种协同操作符（| |> <=）没有任何形式化保证：

  • A | B 并行时两个 Agent 写同一个状态怎么办？没有检查
  • A |> B 管道中 A 的输出类型和 B 的输入不兼容？仅靠仓颉基础类型检查（String→String）
  • leader <= workers 没有终止条件怎么办？没有检测

四、架构层面对比

CangjieMagic 架构:
  @agent/@prompt/@tool 宏装饰器
      ↓
  仓颉编译器 (类型检查)
      ↓
  Agent Runtime (tool-loop/naive 执行器)
      ↓
  MCP 协议 (工具通信)
      ↓
  LLM Provider (OpenAI/Ollama/DeepSeek/盘古)

lambdagentpaas 架构:
  YAML / Python DSL
      ↓
  from_config 编译器 (YAML → λA 项)
      ↓
  Static Analysis (lint + type_check + cost_predict + store_check)  ← CangjieMagic 没有
      ↓
  Dual Engine (Recursive / CEK / Adaptive)  ← CangjieMagic 没有 CEK
      ↓
  MCP 协议 + PaaS API + MCP Server
      ↓
  LLM Provider (7 个) + LLM Wiki 知识层  ← CangjieMagic 没有 Wiki

关键差异：lambdagentpaas 在编译器和运行引擎之间多了一层静态分析，这是 CangjieMagic 没有的。

五、各自的独有能力

CangjieMagic 有而 lambdagent 没有的

能力 重要性 lambdagent 能否补
仓颉语言原生 高（HarmonyOS 生态） 不补（不同语言）
操作符语法 (\| \|> <=) 中（开发体验） 可以在 Python 中用 \| >> 运算符（已有 >> 和 \|）
CRISPE prompt 模式 中（结构化 prompt） 可借鉴，给 @prompt 加结构
端侧 + 桌面全平台 高（移动生态） 暂不需要
dump 调试 低 已有 CEK trace（更强）

lambdagent 有而 CangjieMagic 没有的

能力 CangjieMagic 能否补 壁垒
T-Compose 类型检查 需要重新设计类型系统 高——需要论文级理论
成本预测 (分级类型) 概念上不存在 高——需要效果代数
终止性定理 需要 Y 组合子理论 高
并行安全 (Pair 汇合) 需要集合论分析 高
6 条代数定律 需要操作语义推导 高
CEK Machine 需要抽象机理论 中——工程实现可行
LLM Wiki 知识层 可以补 低——工程模式
跨框架 lint 做不到（绑定仓颉） 高——lambdagent 跨语言
6 个 Pattern 库 可以补 低

六、操作符语法的深度对比

CangjieMagic 最吸引人的是三个操作符。把它们和 lambdagent 的对应物放在一起：

CangjieMagic                    lambdagent                         形式保证
──────────                      ──────────                         ────────

A | B                           Pair(A, B)                         Prop. 30 汇合
  自由协同                        并行对                             store independence
  FreeGroup                      Church pair                        调度无关性
  → 没有安全检查                   → 编译时检查写集合不相交

A |> B |> C                     A >> B >> C                        Thm. 36 结合律
  线性协同                        函数组合                           T-Compose 类型检查
  LinearGroup                    Compose                            成本累加公式
  → 没有类型兼容检查               → 编译时 output(A) <: input(B)

leader <= [w1, w2]              Handoff(leader, {w1, w2})          类型兼容检查
  主从协同                        动态委托                           fallback 支持
  LeaderGroup                    π-演算 name passing                运行时注册/注销
  → 没有终止条件                   → leader 可以是 LLM Route

(不存在)                         Loop(body, cond, n)                Thm. 5.4 终止性
                                 Y 组合子                           成本 = g^n

(不存在)                         Guard(agent, P, k)                 精化类型
                                 输出验证 + 重试                     1-(1-p)^k

(不存在)                         Route(classifier, routes)          T-Route 穷举
                                 多路分发                           编译时分支检查

(不存在)                         GroupChat(agents, scheduler)        N 智能体 Y_n
                                 群组讨论                           max_rounds 终止

CangjieMagic 的 3 个操作符 ≈ lambdagent 的 3/11 个构造。lambdagent 多出的 8 个构造（Loop/Guard/Route/GroupChat/Channel/Send/Receive/Memory）覆盖了 CangjieMagic 无法表达的场景。

七、竞争关系

是竞品，但在不同维度竞争。

CangjieMagic 的竞争力:
  仓颉语言原生 → HarmonyOS 开发者必用
  操作符极简 → 5 分钟上手
  全平台 → 端侧 + 桌面 + 即将支持 Android/iOS
  华为生态 → 亿级设备

lambdagentpaas 的竞争力:
  形式化证明 → 数学保证 Agent 安全
  跨平台跨框架 → 不绑定任何语言/生态
  静态分析 → 编译时发现问题
  LLM Wiki → 知识编译而非 RAG

交集:
  两者都是 "Agent DSL" → 都认为 Agent 需要专用语言
  都支持 MCP 协议 → 工具生态互通
  都有多智能体协同 → 但安全保障差距巨大

八、可合作方向

给 CangjieMagic 做安全层:

  CangjieMagic 开发者写完 Agent:
    @agent[model: "deepseek:deepseek-chat"] class MyAgent { ... }
    let pipeline = agentA |> agentB |> agentC

  导出为 lambdagent 可分析的格式:
    agentA |> agentB |> agentC
    → Compose(Lam("A"), Compose(Lam("B"), Lam("C")))

  lambdagent 静态分析:
    → lint: "agentC 没有 terminate 工具"
    → type_check: "agentA 输出 Json, agentB 期望 Str → 不兼容"
    → cost_predict: "3 步管道 × DeepSeek → $0.012/次"
    → store_check: "agentA | agentB → 两者都修改 userState → 冲突"

  这给 CangjieMagic 加了它完全没有的安全保障层
  而且不需要改 CangjieMagic 一行代码

九、一句话总结

CangjieMagic 用 3 个操作符让 Agent 协同变得极简（| |> <=），lambdagentpaas 用 11 个 λA 构造让 Agent 协同变得安全（类型检查 + 终止性 + 并行安全）。 前者是"开发速度"的极致，后者是"运行安全"的极致。最理想的组合是用 CangjieMagic 写 Agent、用 lambdagent 检查 Agent——快速开发 + 安全保障。