Firecrawl Web Agent：Plan-Act-Observe 迴圈、Skills 系統、Subagent 並行——一個可以直接 Fork 的自主研究 Agent 框架
Firecrawl 把驅動自家 firecrawl.dev/app/agent 的核心代碼開源了。不是 demo，是真正在跑的生產 agent——用的是他們自己的 Spark 1 模型，底層是 LangChain Deep Agents，加上一套設計得不錯的 Skills 和 Subagent 系統。
如果你在考慮要不要自己搭一個能做 web research 的 agent，這個 repo 值得認真看一遍。
核心架構：Plan-Act-Observe 迴圈
框架的核心是一個持續迴圈：Plan → Act → Observe → repeat，直到任務完成。
這不是新概念，但 Firecrawl 的實作有幾個具體的設計選擇：
- Act 層綁定四種 web tool：Search（搜尋）、Scrape（抓取頁面內容）、Browser（互動操作）、Bash（執行腳本做後處理）
- Observe 層直接輸出結構化 JSON，不是讓模型自己決定格式
- Streaming 支援：每一步的思考和操作都可以即時串流回前端
整個 orchestration 交給 LangChain Deep Agents 處理，Firecrawl 自己的貢獻是 web tool 層和 Skills/Subagent 系統。
Skills 系統：SKILL.md Playbook 熱載
這是這個 repo 裡設計最有意思的部分。
Skills 是 SKILL.md 格式的可重用 playbook，agent 在需要時自動發現並載入——不是靜態 prompt，是動態的。
運作方式：
- 你把一個
SKILL.md放在指定位置 - Agent 在執行任務時掃描可用 skill
- 如果任務符合某個 skill 的觸發條件，自動載入並執行
這個設計的優點是模組化——你可以在不改核心代碼的情況下擴展 agent 的能力。加一個新的 research skill、一個特定網站的抓取 playbook、或者一個資料處理流程，都只是加一個 markdown 文件的事。
這個概念如果你用過 Claude Code 的 skill 系統，會很熟悉——本質上是同一個 pattern。
Subagents：並行任務執行
當主 agent 判斷某些子任務可以獨立執行時，它可以 spawn subagents——每個 subagent 有自己獨立的 session state。
實際應用場景：一個研究任務需要同時抓取五個來源，主 agent 把這五個抓取任務分給五個 subagent 並行執行，再把結果聚合回來。
這個設計對速度的影響是明顯的——sequential 抓五個來源和 parallel 抓五個來源，時間差距在複雜任務上會很大。
三層部署選項
各部署層的彈性程度（越高越可自訂）
Next.js template — 最快上手，有完整的 chat UI、streaming 顯示、結構化輸出呈現。適合想要一個完整可用產品的場景。
Express template — API server，適合作為後端整合到現有系統。沒有 UI，專注在 agent 邏輯本身。
Library — 最底層，只有 agent core 和 tool 設定。適合想完全控制架構、只借用 Firecrawl 工具層的情況。
安裝只需要兩個指令：
npx -y firecrawl-cli@latest init -y --browser
firecrawl create agent -t next
-t next 換成 -t express 或 -t library 就切換模板。
值得注意的事
模型依賴：預設使用 Firecrawl 自家的 Spark 1 模型。但因為接的是 firecrawl-aisdk，理論上可以換成其他模型——不過文件沒有詳細說明這個替換流程，實際動手前需要看源碼。
星數和成熟度：目前 45 stars、5 forks，是一個相對早期的 repo。537 commits 說明開發是持續在進行的，但社群規模不大，遇到問題自己解決的比例會比較高。
Skills 系統的文件：這是整個架構最有價值的部分，但目前文件不夠詳細。SKILL.md 的格式規範、觸發條件怎麼定義、有沒有官方範例——這些都需要翻源碼才能搞清楚。
適合誰用
如果你需要一個可以快速 fork 然後自訂的 web research agent 起點，這個 repo 是個合理選擇。Plan-Act-Observe 迴圈設計得清楚，Skills 系統有擴展性，subagent 並行也解決了真實的效率問題。
如果你要的是一個成熟的、有大型社群支援的框架，目前還不是。
Firecrawl 把自家生產 agent 的核心開源出來，這本身是個值得關注的信號——代表這套架構在真實環境下已經跑過了。