用 YAML 写 AI Agent 不是银弹：我拆开 docker-agent，看清声明式编排的边界

Thu, 29 Oct 2026 00:00:00 +0000

2026 年 10 月底，Hacker News 上出现一篇《Writing AI agents in YAML instead of Python》，指向 codecut.ai 的一篇教程。

内容说的是 Docker 的新工具 docker-agent：不写 Python，一个 YAML 文件定义整个 Agent，一条命令跑起来。

我读完文档和教程，第一反应是——这跟 2023 年"低代码 Agent"那波口号有什么区别？ 但仔细拆下去，发现它确实解决了一个真问题：Agent 代码膨胀后，改一处要读三处。

但它的边界也很清楚。这篇把机制拆开，讲清楚什么时候该用 YAML，什么时候必须写代码。

TL;DR

docker-agent 是 Docker 官方开源工具，一个 YAML 定义 Agent 的模型、指令、工具、拓扑

它解决的是"Agent 代码膨胀"问题：配置与代码分离，一处改动不用翻三个文件

微软 Agent Framework 1.0 也在走同一条路：YAML 声明式 Agent + 编排拓扑

边界：自定义分支、重试、逐步控制——YAML 表达不了，必须回 LangGraph

实测数据：gpt-5-mini 通过 18/18 断言，gpt-5-nano 只过 13/18，成本却只要一半

Agent 代码为什么会膨胀？

先看传统写法要干什么。Google DeepMind 的 Philipp Schmid 在 2026 年 9 月那场《Agents Without Code》演讲里，把流程列得很直白：

YAML on softon.top

用 YAML 写 AI Agent 不是银弹：我拆开 docker-agent，看清声明式编排的边界

Agent 代码为什么会膨胀？