本文仅记录智能体使用过程中踩过的坑以及心得。

一，引子

        随着当下人工智能的兴起，越来越多的人开始接触到了智能体这一概念，也就是agent，起初我也和大家一样，第一次听到就被这“高大上”的名字给吸引了，渐渐的我开始被大数据推着了解起了AI，越来越多的词汇进入到我的世界，RAG，promprt，tvibe coding，agent等等，我也逐渐了解到了AI的冰山一脚，下面就简单谈谈我在探索AI世界的过程中遇到的一些挑战，踩过的一些坑，希望帮助像我一样对未来充满了憧憬的初学者能够学到一些东西，更加坚定的走下去。

        我想跟大家提到一个东西，也是我经历过很多才悟出来的一个道理，那就是：

                                        不要让兴趣成为驱使你做某件事的唯一动力。

二，AI世界初体验

        AI刚刚兴起的时候我就开始关注到这些，而关注的原因其实很简单，因为它能够帮我完成作业。相信很大一部分人刚开始接触ai都是抱着ai能够帮助我们去提示效率，完成一些工作或者学习，以至于解决生活中的一些烦恼。但是慢慢的，你会发现，ai的作用远不止这些，在我看来，它将是人类的第四次工业革命，随着ai的不断积累和发展，不断的量变，以至于最后会发生质的改变，引领我们跨越到一个全新的时代。

        伴随着对ai的好奇，以及我个人的工作和学习需要，我开始在网上不断的寻找各种ai，毫不客气的说，我几乎把市面上主流的ai模型都试了一个遍，起初是国内的豆包，Deepseek，Qwen，再后来扩展到最先进的一批模型Claude，Chatgpt，Grok，Gemini等等。我的使用体验可谓是千差万别。

        首先说说豆包，作为国内最常见也是体量最大的ai大模型，我对它的评价是，知识库齐全，但是智商有限的大学生，你让它干什么它都会笑嘻嘻的跟你说上一段：好的，我现在用最直接最....说一通废话，知识型的任务可能还好，当个百科全书差不多了，至于说真正的完成你想要的任务还是相差甚远。

        然后再谈谈Deepseek，毫无疑问，这是我们国内最为顶尖的模型了，其代码编程等能力以及可以快接近国外等顶尖模型了，甚至某些方面可能还更强，而且最重要的一点，就是它及其低廉的价格，可以称得上是全世界最具有性价比的模型了，也是我刚开始接触大模型，囊中羞涩时候的神，唯一美中不足的就是其多模态较差，对于非编码类任务，例如图片，表格，文本等内容的处理还不是很成熟。

        国内的模型说完了再谈谈国外的模型。

        首先就是chatgpt，作为引领ai行业的代表模型，其功能可以说及其全面了，在各个方面都有着及其不错的表现，搭配上其业内独一档的完善的生态，可以说已经可以解决绝大多数问题了，我的第一次利用智能体来系统的开发也是利用它旗下的codex智能体来完成的，我们后面再细说。

        然后再就是所有ai届最权威的模型Claude，毫不夸张的说，当我用过Claude之后，我就知道这世界上只有两种模型，一种是claude一种是其他模型。为什么我会给它这么高的评价呢，因为他是真的好用，其强大的推理能力，编程能力以及其极具人文关怀的特性，让它断档式的领先其他ai，当你和其他ai聊天时，你可能会感觉到很累，要不断的更正以及说明才能达到想要的目标。而和Claude聊天，你就会懂得什么是真正的人工智能，它会一步一步引导你走向你要的结果，而不是你去不断的修正。Claude的文本能力，尤其出众，这是我在使用Claude和chatgpt生成过一篇论文后最直观的结论，毫不客气的说gpt的论文只是毫无逻辑的堆砌和冰冷的代码，而Claude则真正的像一位资深学者，无论是逻辑，语句还是专业性都领先一个层次。但是缺点是风控及其严格（容易封号），不要问我为什么，这都是教训....

 三，实际项目Agent开发

        起初，看了网上那么多vibe coding的成果，我想当然的觉得这么多不会代码的人都能做出这么美观的程序，那我还不是几行命令一输，我的任务就完成了，然后一路高升，直接起飞。

        但是现实是，你脑海中有着无数的想法，但是当你坐到电脑桌前，你能够想到的事情就是告诉它我的想法，然后让它帮我实现，最终结果就是，你简单的说了一句，我想要做一个xxx的程序，最后它也给你了一个xxx的程序，但是你试过之后才发现，结果往往差强人意，不是和你想向的相差甚远，就是还可以但是没有什么太大的市场和作用，市面上比它好的程序和软件早就已经被开发出来了，最终空耗了无数时间和token换来了一个计划的破产。

        具体原因其实只有一个，那就是你太急了，太不专业了。在经历过类似的遭遇之后，我才幡然醒悟，vibe coding是厉害，但是那是别人厉害，是agent厉害，不是你厉害。要想真正的开发出符合你心意的或者有意义的东西，你需要的不是直接告诉ai，而是开始学习相关的知识。

        项目的落地靠的从来不是单一的想法，而是从市场调研，背景研究，开发，测试，更新，迭代再测试一环环紧密相扣的各个环节。

3.1开发过程

3.1.1从想法到实际

        当你脑海中有了想法之后，想要vibe coding之前，不妨先按照步骤仔细想想，这个东西它必须吗，开发出来有什么作用，填补了什么空白，以及是否有人愿意使用，想清楚这些之后再开始动手，这是不可避免，需要你自己思考的问题。思考完成后，再利用ai进行背景研究，市场调研，确定了这些细节后，再重新完善一下你的想法。

3.1.2开发的规范

        把这些全部执行之后，你就可以开始正式开发阶段了，而开发阶段也有着很多小技巧以及规范，这些都是及其重要且不能忽视的。

        首先你要弄懂agent开发的底层原理，RAG，增强式文本检索，ai会通过你所给的提示词提取出一个又一个词源，也就是token，然后把他们重新组合然后在知识库里检索，生成出最合适的内容，而agent则是在普通的对话式ai的基础上更近了一步，赋予了其组织和调用工具的能力，这一更新使得agent能够像人一样，使用现场的各种工具，完成更加广泛的任务。

        而为了维持记忆，实现一个长期的开发计划，每个agent都会在工作文件夹下创建一个专属的agent.md文件，而这一文件也是后续开发的核心，你应该在文本中写明其开发规范，比如需要完成的任务，工作的具体流程，以及其所能调用的权限边界工具，这些你都可以跟ai沟通之后直接生成。还有一点小技巧就是，在进行任务的时候把你当作公司的老板，只负责布置好任务，统筹好安排即可，你可以不用掌握太过专业的知识，但是你一定要会管理，因此你可以在agent中设置不同的角色来承担不同工作，例如我在开发一个个人信息管理系统的时候，我就会分三个角色，一个为项目经理，负责统筹和安排项目的进度规划执行，还有具体的代码实现者，以及审核，这三个agent分别写入工作职能和权限，缩小其任务范围，可以使得最后的任务实现的更加专业。还有你不一定要会很多，但是基础你一定要掌握，否则你会外行人指导内行会白白花费很多不必要的时间。
 

3.1.3项目的落地测试

        在项目落地完成后，测试是一个必不可少的过程，注意我说的测试不是指的程序能跑通，这些测试是在开发过程中就应该强调保证的，我所说的测试是作为用户的真正使用的测试，有许多问题其实不是代码功能上的，而是具体的人文以及一些其他因素引起的，所以当你项目开发完成之后，你应该先自己上手去感受一下，再根据你个人乃至其他测试者的感受和需求，来更新和迭代出最终的产品。

四，实践环节

        最后，我想说的是，实践是检验真理的唯一标准，无论你听再多的课，看再多的文章也比不上你实际动手开发一个项目能够学到的东西多。许多问题和步骤，只有你亲自上手之后，你才会印象深刻，可以从小的项目开始，再不断扩大，不断积累经验，在实战中学习也是现代ai的一大亮点，只要你认真去做，相信你的项目一定能够取得成果。