brAIn：基于NATS总线的反应式AI代理节点，而非聊天循环

brAIn 是一个由 Flutter 移动端和 AI 工程师开发的实验性 AI 代理框架，其核心理念是打破传统的聊天循环模式。作者坦言，现有的代理框架大多基于定时循环或 cron 任务，所有交互都通过单一聊天窗口进行，这让他感到不满。因此，他构建了 brAIn——一个基于 NATS 发布/订阅总线的反应式代理系统，其设计灵感更接近于 ROS（机器人操作系统），而非传统的聊天框架。

在 brAIn 中，智能体并非持续运行或定时轮询，而是作为长驻的守护节点存在。节点订阅多个输入流（如聊天消息、传感器事件、Webhook、内部总线流量等），仅当相关消息到达时才被唤醒并执行操作。这种事件驱动的方式避免了无意义的令牌消耗，使得计算资源集中在真正的“思考”环节。每个节点可以拥有独立的用户界面，无论是本地还是远程，该界面都可复用，即使节点运行在另一台机器上，用户也能通过统一的方式访问。

brAIn 的另一个关键特性是分布式运行。同一个节点配置既可以在本地进程中运行，也可以通过 NATS 总线连接到远程的“大脑代理”进程。开发者无需修改代码即可将工作负载分散到不同的硬件上。此外，引入的优先级抢占机制允许高重要性的消息中断正在执行的低优先级任务（如 LLM 调用、工具调用等），从而更好地处理突发状况。

在实际演示中，作者展示了多个应用场景：一个环境感知代理通过摄像头和麦克风观察房间，仅在有人注视并说话时做出回应；一个 Slack 频道监听器在对话暂停时自动汇总或回复；一个物联网控制器融合温度、运动、日历和时间信息来决定环境调节。此外，brAIn 还支持将手机作为节点，利用其传感器数据触发反应。

与现有工具的比较方面，brAIn 并不试图取代 LangGraph、Vercel AI SDK、Mastra 等聊天型代理框架，也不与 AutoGen 或 CrewAI 的多代理对话系统竞争。它的架构更接近 ROS 2，但针对 LLM 环境进行了优化，如令牌预算、可中断推理、工具调用循环和 MCP 集成。对于需要持久化工作流的场景（如 Inngest、Temporal），brAIn 的守护节点模型提供了不同的思路。

目前，brAIn 仍处于实验阶段，并非成熟的产品。作者将其视为对未解决问题的一次诚实尝试，并欢迎感兴趣的开发者探索。项目的代码已在 GitHub 上开源，并附有解释视频和实际演示。