一句话看懂：开发者 Riley 发布了名为 Drift 的开源语言和运行时，允许用户用类似英语的「意图型」语法编写 AI 代理，自动转译为可执行的异步 Python 代码。该工具在 30 行代码内实现了模型选择、预算控制、并行处理和结构化输出，5 封邮件的真实推理耗时约 1.82 秒、成本约 0.0092 美元。
事件核心：发生了什么
Drift 是一个面向代理系统的意图型语言（intent-based language），目前处于 Alpha 阶段，代码托管在 GitHub 上，采用 MIT 协议开源。它的核心创新在于：开发者不需要手动编排 LLM API 调用、异步并发和异常处理，而是用形如 agent InboxTriage 的英文块描述目标，Drift 的转译器（transpiler）将其编译为异步 Python，再运行在自带的轻量运行时上。语言内置了 summarize、classify、confident<T> 等意图动词，支持多模型供应商路由（如 prefer + fallback）、并行的 for each 循环（底层走 asyncio.gather）、以及 MCP 工具调用和 Dendric 持久化记忆后端。目前 352/352 个测试通过，只对接了 OpenAI 和 Anthropic 两家 Provider，语音相关原语处于已解析但适配器未接通的状态。
为什么重要
当前构建 LLM 代理的主流方式仍然是手写 Python 编排代码，开发者在串接 prompt、处理流控、维护状态和计算成本之间反复平衡。Drift 尝试把「代理开发」提升到声明式工程层面——代码读起来像自然语言的需求说明，同时输出可审计、可调试的 Python 代码。这种做法可能降低入门门槛，也让企业客户更容易对代理行为的预算和合规做静态分析。值得注意的是，它内置了 confident 置信度门控和 attempt/recover 错误处理，这些是在生产代理中常被忽视、但运维时极为头疼的细节。如果这种语言抽象能被社区接受，会直接挑战 LangChain、Semantic Kernel 等基于 Python SDK 的编排范式，推动行业向更接近「领域特定语言（DSL）」的方向分化。
对用户/开发者/创作者的影响
对个人开发者：初学者不需要精通 asyncio 或 prompt engineering 就能写一个带预算控制的多步代理，例如一键创建一个邮件分类和自动回复的 agent，并立即在 mock provider 上运行体验。传统上用 Python 需要几十行样板代码的模式，Drift 可能压缩到 10-20 行声明。对企业用户：预算、模型选择和错误恢复策略直接写在语言中，便于团队评审和版本管理，降低了「AI 代理变成黑箱」的安全风险。对开源社区：Drift 的转译器输出标准 Python，这意味着现有 Python 工具链（日志、监控、测试框架）理论上可直接复用。目前缺少的是对更多 Provider 的支持和对复杂类型系统的扩展，这些都在路线图上。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是语言自身的稳定性：Alpha 阶段语言表面虽然声称稳定，但正式 1.0 之前可能出现 breaking change，尤其类型系统扩展后会否影响现有转译逻辑。二是生态集成速度：MCP 工具支持和 Dendric 记忆模块表现不错，但能否对接 Hugging Face、Mistral、Google Gemini 等更多模型 endpoints，将决定它的通用性。三是竞品反应：LangChain 和 Semantic Kernel 可能很快推出类似的声明式语法糖，或者以插件方式直接嵌入 Drift 的 DSL。最后，实际生产场景中的可观测性和调试体验——目前靠 source-map 指向运行时错误，但大规模 on-call 时是否够用，需要更多早期践用者的反馈。
来源：github.com
