---
title: "Sub-agent 模式参考：dart agent core - Sub-agent 模式 | 思行致远"
canonical: "https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-dart-agent-core/"
dateModified: "2026-06-30"
datePublished: "2026-06-30"
---

打开 AI·外脑目录  

 

AI·外脑

 [返回专栏首页](https://siyuanailab.com/knowledge/)

 ×

 

站内搜索 

⌕

   

主要栏目

 

- [AI 核心概念](https://siyuanailab.com/knowledge/ai-core/)

- [工作流](https://siyuanailab.com/knowledge/workflows/)

- [工具配置与选型](https://siyuanailab.com/knowledge/toolkits/)

- [信源与标准](https://siyuanailab.com/knowledge/sources/)

- [场景案例 待开发](https://siyuanailab.com/knowledge/scenarios/)

- [职业与能力](https://siyuanailab.com/knowledge/career/)

 

专题

 

- [从这里开始](https://siyuanailab.com/knowledge/start/)

- [获取与安装](https://siyuanailab.com/knowledge/install/)

- [建设日志](https://siyuanailab.com/knowledge/ops/)

  

[工作流子目录](https://siyuanailab.com/knowledge/workflows/) 

基础设施层

 

- [浏览器自动化 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/browser-automation/)

- [MCP 工具 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/mcp-tools/)

- [文件系统与本地执行 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/filesystem-local/)

- [API 网关与工具路由 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/)

Skill 生产线

 

- [目标明确 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/goal-definition/)

- [Skill 设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/skill-design/)

- [代码实现 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/implementation/)

- [测试评估 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/testing-evaluation/)

Skill 参考库

 

- [写作与内容 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/writing-content/)

- [研究与知识 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/)

- [沟通与协作 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/communication-collaboration/)

- [产品与项目 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/product-project/)

- [数据与分析 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/)

- [创意与设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/creative-design/)

- [商业与营销 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/business-marketing/)

Agent Building

 

只收录有多步工作流、工作标准、Loop、Harness、工具链或通信机制的真 Agent；不收纯 persona、profile、curated list 或只有 system prompt 的仓库。

 

- [多 Agent 框架 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/)

- [工作流编排 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/)

- [Sub-agent 模式 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) 

- [WF-086 Sub-agent 模式参考：claude rlm](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-claude-rlm/)

- [WF-087 Sub-agent 模式参考：dart agent core](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-dart-agent-core/)

- [WF-088 Sub-agent 模式参考：fable mode](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-fable-mode/)

- [WF-089 Sub-agent 模式参考：sagents](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-sagents/)

- [WF-090 Sub-agent 模式参考：spellguard](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-spellguard/)

- [Harness 与评估 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/)

  

Agent Building · Sub-agent 模式 · Agent Building 参考 · WF-087

 

# Sub-agent 模式参考：dart agent core

 

思行致远 · 2026/6/30 · 置信度：高

 

Sub-agent任务委派专家AgentAgent通信

 

一个移动优先、本地优先的 Dart Agent 库，把工具调用、状态、Skill、Sub-agent、计划、压缩和 eval harness 带进 Flutter/Dart 应用。

 

# dart agent core

 

> 一个移动优先、本地优先的 Dart Agent 库，把工具调用、状态、Skill、Sub-agent、计划、压缩和 eval harness 带进 Flutter/Dart 应用。

 

## 这个能力解决什么问题

 

dart_agent_core 解决的是 Flutter/Dart 应用想做 stateful tool-using Agent 时，不想再依赖 Python/Node 后端的问题。移动端和本地优先场景需要跨 Android/iOS/Web/桌面的一致 API，需要持久会话、工具调用、流式 UI、技能系统、上下文压缩、Sub-agent delegation 和 evals。这些都放在 Dart 层，能直接嵌进客户端或本地应用。

 

## 核心逻辑

 

输入是 UserMessage、多模态内容、StatefulAgent 配置、LLMClient、Tool、Skill 和 AgentState。Agent run 时，模型返回工具调用 JSON，库把参数映射到 Dart 函数，执行工具，把结果回填，循环直到模型完成或工具返回 stopFlag。可选 PlanMode 注入 todo 工具，Skill 可动态激活，Sub-agent 可用命名 worker 或 clone 隔离上下文，Controller 发送 run/model/tool/plan/retry/error 事件。输出是 ModelMessage、StreamingEvent、AgentState、工具结果、eval transcript/outcome。

 

## 技术结构

 

- 关键模块：LLMClient 统一 OpenAI/Gemini/Claude/Bedrock/OpenAI-compatible；StatefulAgent 管 run loop；Tool 封装 Dart 函数和 JSON Schema；AgentState 保存历史、token、plan、metadata；Skill 支持 Pure Dart 和文件系统 SKILL.md；Sub-agent delegation 隔离上下文；EvalRunner/AgentHarness/Grader/Transcript/Outcome 负责评估。
 
- 调用链路：用户消息 → StatefulAgent → LLMClient → tool call → Dart function → AgentToolResult 回填 → loop/stop → state storage/controller events → 可选 eval harness 记录 outcome。
 
- 输入输出：输入是消息、工具、技能、状态、任务 suite；输出是流式事件、模型消息、状态文件、eval report、pass@k/pass^k 指标。
 
- 核心依赖：Dart/Flutter，支持六个平台；Web 端需用 localStorage/in-memory storage，原生端可用 FileStateStorage。

 

## 为什么值得参考

 

它的亮点是把 Agent runtime 放进客户端语言，而不是默认“Agent 必须跑在 Python 服务端”。对于移动端 AI 产品，工具、状态、流式 UI、Skill 和 eval 都在 Dart 里，能减少后端胶水。它的 eval guide 也很成熟，强调 grading 要看 Outcome 里的世界状态，而不是看模型说自己完成了什么。

 

## 为什么不建议直接套用

 

它适合 Dart/Flutter 生态，非移动端团队直接套用意义有限。客户端保存 API key、执行工具、持久化状态都需要额外安全设计。文件系统 Skill 和 JavaScript runtime 跨平台差异大，Web 端没有真实 `dart:io`。此外，Agent eval harness 需要你自己写环境、任务和 grader，不是装上就有质量保证。

 

## 如何改造成自己的版本

 

- 如果不是 Dart 栈，借鉴模块边界：AgentState、Tool、Skill、SubAgent、Controller、EvalHarness。
 
- 移动端先只开放低风险本地工具，例如读写 app sandbox 内文件、查询本地知识卡。
 
- 使用 Controller 事件驱动 UI，不让 UI 从模型文本里猜状态。
 
- Eval 时按 guide 把 Outcome 设计成事实表：文件是否创建、字段是否更新、动作是否发生。
 
- 对 Sub-agent 设隔离上下文，不共享完整用户会话。

 

## 适用场景

 

- Flutter/Dart 本地或移动 Agent 应用。
 
- 需要离线/本地优先状态、流式 UI 和客户端工具调用。
 
- 想把 eval harness 直接集成到 Dart Agent 代码。

 

## 不适用场景

 

- 非 Dart 技术栈，或 Agent 必须集中在后端运行。
 
- 需要复杂服务器权限、团队审计和集中密钥管理的企业系统。
 
- 客户端不能安全存储或使用 LLM API key 的产品。

 

## Agent Building 判断

 

- 多步工作流：UserMessage → StatefulAgent → model/tool loop → state persistence → Skill/Sub-agent/Plan → output/eval。
 
- 工作标准：Tool schema、AgentState、Skill、AgentToolResult、EvalTask/Grader/Outcome 都有明确契约。
 
- Loop 标准：工具调用回填直到完成，stopFlag、PlanMode、LoopDetector 和 context compression 控制循环。
 
- Harness 标准：内置 eval subsystem，包含 EvalSuite、Trial、Transcript、Outcome、record/replay、reports。
 
- 工具调用链路或 Agent 间通信：Tool dispatch、Sub-agent delegation、Controller events 和 Skill bridge 构成链路。
 
- 为什么不是 persona / profile / system prompt only：它是完整 Dart runtime 和 eval framework，不是提示词集合。

 

## 参考信息

 

- 原项目：[dart_agent_core](https://github.com/memex-lab/dart_agent_core)
 
- 作者：memex-lab
 
- 相关概念：[[Sub-agent模式]]、[[Agent Harness]]
 
- 相关卡片：[workflow-read-092](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/agent-building-harness-evaluation-claude-code-hooks-multi-agent-observability/)

 

## 参考对象信息

 

**名称：**dart_agent_core

 

**作者：**memex-lab

 

**链接：**[https://github.com/memex-lab/dart_agent_core](https://github.com/memex-lab/dart_agent_core)

 

## 适用场景与行动

 

**场景：**Agent Building / Sub-agent 模式

 

**适合谁：**关注 AI 工作流、Skill 生产和 Agent Building 的读者

 

**下一步：**先阅读边界说明，再判断它是否适合改造成自己的Sub-agent 模式流程。

 

当前内容按公开来源和已审核草稿整理，只作为工作流理解与方法论参考。

 

涉及客户数据、外部平台、会议记录和业务系统的场景，必须保留人工确认与授权边界。

  

[上一张：Sub-agent 模式参考：claude rlm](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-claude-rlm/) [下一张：Sub-agent 模式参考：fable mode](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/agent-building-subagents-fable-mode/)

 

[返回当前分类](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) [返回工作流专栏](https://siyuanailab.com/knowledge/workflows/)