钟灵毓秀

近日接到通用智能体开发任务。类似 Manus，服务于公司内部一些场景，预计包含 PPT 制作，DeepResearch，小型开发任务等。 这里梳理下当前业界里的 通用 Agent。包含其产品特点，大致实现思路等。

使用情况 目前编码工作几乎是 Cursor， 也深度体验了 Claude code 主要使用场景：日常业务迭代，Bug 修复，新项目启动。 有 80% 的 code 是生成的，毛估提升效率：50% +，值得一提的是让自己有信心做一些未知领域的事情。 Cursor 等工具 这里用 Cursor 其实只是 一系列基于 vscode 的 ai 编辑器代称。 Tab Tab Tab Cursor 最基础的使用就是 Tab 接受了，然后也能自动计算焦点，这个也是早期他们宣传的一个点：Tab Tab Tab。 Agent / Ask 通过 Ask 模式探讨方案，梳理问题，通过 Agent 模式来做执行工作，是一个比较常规的模式了。 上下文工程 & 自定义 Rules Cursor 提供上下文很清晰直接选择文件即可，可以多文件，可以指定 rules 等 多模态工程 前端场景里可以上传图片完成 UI 上的初稿。 MCP 一些好用的 MCP: 查看最新文档 交互文档化 最早 Kiro 里有个特别好的体验就是能提前设计方案，任务列表，执行计划等，并且能保存到文档里，支持手动编辑。这种交互比较适合初创型项目，或者复杂任务，不熟悉的领域里的任务. 这种模式也被其他 IDE 采纳。 Claude-code Claude 的交互本质是 cli 模式和 ui 可视化模式的对比，个人觉得长期对于大众用户来说 UI 可视化的界面会胜出。原因是历史数据来看的，历史上 cli 操作和可视化操作一般在很多软件里都会存在，各有利弊 各有千秋，功能上也几乎一致，最终UI可视化的交互会在更易被大众接受，在编码领域也是如此，这符合了人性中懒惰的一点，都是趋向于舒服的方向。 ...

缘起 我接触 AI 编程挺早了，体验过从早期蛮荒交互形式：在聊天框里问答然后复制结果到编辑器，到最近植入到 IDE 内的， 以及 更加流行的 CLI 形式的交互演进。多少算是见证了 AI 编程的演进。 AI 编程的称呼也很多，有的叫 AI Coding，有的叫 AI Pair Programming，还有的叫 AI Copilot，甚至有的叫 AI Vibe Coding。我更喜欢 Pair Programming 这个说法，因为它强调了 AI 和人类的协作关系。 作为一个喜欢白嫖的用户，这一波也会为顶部产品付费，最多的是 Cursor。真的被其惊艳效果吸引了，没有他就降低了很多效率。先列举下我用过的 AI 编程工具： 插件：Github Copilot / 通义灵码 / Cline / Bito / Codeium（Windsurf 早期形态）/ Augment Vscode 系列：Cursor / WindSurf / Kiro / Trae CLI 系列：Claude Code / Cursor CLI / Gemini CLI 目前使用最多的是 Cursor 和 Claude Code。 使用数据： 代码量上：几乎 90% 的代码是 AI 生成的。 时间上：大概 50% 的时间是 AI 辅助的。 效率上：平均提升了 1-2 倍。 下面总结下我对 AI 编程的体验和感受，Lets go ...

首先我认同 AI 时代会改变很多生活，生产，工作的形态，甚至更多……，当然这个主题很大，谁都难以精确的的预测各行各业的发展， 很荣幸为一个 软件工作者 及 普通居民 的角色能站在这场变革的一线，几乎从23年开始一直持续关注相关的动态，参与到一些 AI 产品的使用中，并且参与到一些 AI 产品的开发中。 就宏观上输出下我个人的感受，后面会继续在一些细节(产品发展，相关技术，及个人重度参与的 vibe coding)上深入讨论 类比以往的变革 我认为历史上重要的变革包含：语言产生，各种标准，各种度量，电，工业革命等。这些都是突破人类自然能力的变革，这一轮 AI 的发展也是的，因为能大幅提升人类输出内容 预制菜 为什么要提这个似乎概念离得很远的词。因为看到当前 AI 输出的内容，很像是预制菜的感觉，简单分析下： 预制菜的特点是: 预包装，提前做了食材处理 便捷，通过简单加热即可快速出货 多样化：种类繁多 Pros: 节省时间 体验自己不会的菜谱 成本降低 Cons： 食品安全 营养价值 仔细品一品，是不是当前 AI 生成的内容很类似。市场中，不乏有好的与坏的预制菜，总之也占领了一部分市场，人们多少都会接纳一些，默默的改变生活方式。我相信 AI 输出的内容是同理，有好有坏，有很大的市场，也在 默默改变生活生产方式。 再想一想人类社会发展进程出现的一些工具基本都会改变人自然属性，从打猎到农业，从农业到工业，从工业到信息化，这些都是人类社会的进步。AI 也是一样，能大幅提升人类的输出能力。 换言之：市场很大，拥抱接受，吸收，取其精华，去其糟粕。 AI 下催生的机会 已经靠 AI 赚到的有哪些人？ 我发现这波浪潮下已经赚到的一些普通人，大概是这几类方向 自媒体 & 卖课 出海的一些 AI 产品，出海更容易做商业化 国内的一些 AI 平台：Dify 等 靠这波热点拉投资的公司 公司转型，做这个方向的工作者 吃政策福利，研究经费的一些公职，教育者 总结下来看基本都是在原有行当做的很好的这波人，刚好了来了个 AI 机会给抓住了，比如卖课的人家本来就在卖课，吃政策拉投资的，人家就是这个圈里的，外人难以挤进来。单纯靠改变方向到 AI 硬靠的又赚到钱的并不多。 所以还是那句话：机会是留给有准备的人的。普通人呢做好自己本来该做好的事情，然后添加一些爱学习的思维，当这波来的时候，能喝喝汤就好，如果能吃上肉那就偷着乐吧。 提升个人战斗力 如果能提升个人战斗力，意味着能输出更多，进而能收入更多。现在市面上出现了一些 AI 产品，可以武装你让你从普通兵变为特种兵，具备一个人挑战一个团队的能力。所以市面上出现的 一人公司 概念也不是空穴来风。 ...

前言 梳理下自己在 AI 产品开发中用到的一些工程技术，只会做工程了属于是，算法方面的东西基本上不懂。 列下我做过的东西： Code Review Agent Long term memory Dify 二开 Rag 流程 语言技术： Python Nodejs Go Agent 框架： Langchain React Agent Function calling 总结下来基本上都是常规的 web 技术栈，只是多了一个 与 LLM 交互的环节。本文从工程与算法两层来总结梳理自己了解到的东西 关系 工程与模型的关系，有点像是算法里的复杂度控制：空间换时间，时间换空间，性能换效率，效率换性能 工程是重点不是难点，模型是难点不是重点毕竟能搞模型的就那么几家公司 工程 起步：与 LLM 交互 唯有提示词，就像圣经里能唯一与上帝交流传话的那个家伙。 形式上有 stream blocking。 通信载体几乎是基于：Http，无非是协议上多了一些 sse streamable 返回等。 Agent 范式 React 一直是比较经典的范式，很多其他模式也是基于这个演化的 早期 React 范式的实现，全部依赖提示词，比如 Function 描述，工具返回内容的格式，Stop 策略等一股脑的都会拼接到提示词上，然后返回内容的解析也会根据一些约定标记等做信息提取 中期这些内容被 大模型公司给 Native 了，做到模型内部了： function call api 规范 当前是被 MCP 协议规范了，当然底层还是基于 funciton call 的能力包装的标准协议 ...