docker compose up --build          # 起平台（Day 04）
pytest tests/                       # 跑测试
# 调试智能体：
# ① GUI 看实时思考流（Feed，Day 18）——最直观
# ② 查 AgentExecutionFeed 表——每步的完整记录
# ③ 看 celery worker 日志——执行报错在这

• 起平台（docker compose，Day 04），填 config.yaml 的 LLM key（Day 19）
• GUI 打开 localhost:3000，点创建智能体（Day 18）
• 填目标 goal、指令、约束（Day 02/08）
• 选工具/工具包（需要的从市场装，Day 12）
• 选 LLM 模型、设 max_iterations 防失控（Day 02）
• 选工作流类型（Goal Based 放飞 / Task 分解，Day 07）
• （可选）上传资料文件当知识库（Day 14）、开人工审批（Day 18）
• 运行，GUI 看实时思考流（Day 18）
• （可选）配定时，让它每天自动跑（Day 17）

• 找不到"循环"代码：循环在 DB + Celery 队列里，不在 while（Day 02/17）。
• 多容器文件读不到：STORAGE_TYPE 要用 S3（本地磁盘各容器不通，Day 19）。
• 智能体跑不停/烧钱：设 max_iterations 熔断（Day 02）。
• Goal Based 跑偏：放飞循环不可控，复杂任务用 Task 型工作流（Day 07）。
• 工具装了用不了：检查工具的 env_keys 是否配齐（凭据，Day 11）。
• 历史太长报错:靠滚动记忆压缩（Day 08），检查 MAX_MODEL_TOKEN_LIMIT。
• 改配置不生效:config.yaml 改了要重启容器。

你已经通读了五个主流 Agent 框架的源码。它们语言不同（Go/Python/TS）、定位不同（库/平台/软件工程师）、细节各异，但底层思想高度一致——因为它们都在解同一个问题："如何让 LLM 可靠地、自主地、可控地完成多步任务"。

🚀 下一步建议

• 动手搭：照 L02 清单，在 GUI 上搭一个真实自主智能体（比如"每天调研某话题并总结"）。
• 写个工具：照 Day 11/12，给平台加一个自定义工具（@tool 装饰器最简单）。
• 读 tests：tests/ 是活文档。
• 横向对比：回顾 eino/OpenHands/CrewAI/AutoGPT，对比它们和 SuperAGI 的异同（尤其"循环在哪"）——你会理解得更透。本系列还有 LangGraph、openclaw、higress、apisix。