先说一件上周发生的事
上周五，早上 10 点半，我约了一个新客户。
9 点 55 分，我开车前往，路上才想起来：我还没研究过这家公司。
做过 BD 的人应该懂这一刻。往常得在打车路上一边晕车，一边翻官网、LinkedIn、最近半年的新闻，赶在客户开口前硬挤出三个能聊的切入点。
但那天我没翻手机。
我出门前，只在终端敲了一行命令。
到客户楼下的时候，手机里已经躺着一份 4 页的客户背景简报：高管履历、近期融资和业务动作、可能的预算痛点，还有三个适合作为破冰话题的新闻引子。
做这个东西，我花了多久？
一个下午。代码不到 40 行。
我讲这件事，不想显得自己多会写代码。这个东西真的很基础，老练的工程师看了大概会笑。可它跑起来以后，我对“造 agent”这件事的感觉彻底变了。
在那之前，我一直以为造 agent 得先啃几篇长文，装一堆框架，配一堆 key，想清楚架构，画好流程图，再拿三天时间搭一个工程项目。
结果真动手才发现，我之前花在“想”上面的时间，远远超过真正写代码的时间。
后来这个小东西我又陆续加了几样能力：见完客户当晚，把录音转成会议纪要和跟进邮件草稿；每周一早上，把上周所有进行中的客户进展整理成一份给老板看的周报；偶尔也帮我盯一下我关注的几只美股的盘后新闻。
每一项加起来都不超过 50 行代码。每一项都帮我每周省下几个小时。那些以前死活推不掉、又没什么创造性的杂活，突然少了一大截。
而我做这些事之前，没有学过 Python 的“AI 工程”那一套，没看完任何一门 agent 课，也没读完那本被无数人推荐的 12-Factor Agents。
这篇写给和我当时一样的人：想造一个属于自己的 agent，又被各种概念压得不敢动手。
我不写完整的“系统课”。这里只给你四样东西：
- 一份新手能看懂的行话翻译，不下定义，只给类比
- 一个第一天就能下的决定，帮你绕开工具栈瘫痪
- 一个下午能跑通的最小例子，照着抄就能出结果
- 一段我自己当年卡在哪的回忆，让你知道“原来你也菜过”
一、四个词的翻译：agent、tool、context 和 workflow
新手卡住的第一道坎，很多时候不在技术。
是那几个词本身就没读懂。
我不给你定义。定义一搜全是，看完还是糊。
我给你类比。对工程出身的人来说，这几个类比够用了，不求严丝合缝。
agent ≈ 一个会自己开终端跑命令的实习生你给他一个任务，他自己决定下一步是查资料、写文件，还是回来问你。
他不按写死的 if-else 走。每一步都要重新想：“我接下来该干啥？”
他可能绕路，可能卡住，也可能做出超出你预期的事。这就是 agent 的脾气，别一上来就把它当 bug。
tool ≈ 给实习生的 API 文档实习生不知道你的内部系统怎么用。你得告诉他：“要查天气，敲这个接口，传这两个参数，返回结果长这样。”
每多写一个 tool，他能做的事就多一件。
这里有个很值钱的小经验：tool 的描述写得好不好，直接决定他用得对不对。这件事比选哪个模型重要得多。
context ≈ 实习生此刻的短期记忆你跟他说过的所有话，他自己执行过的命令，命令返回的结果，都按时间顺序堆在他脑子里。
但他的脑子有上限。塞太多，他就开始忘前面的事。
你给他喂资料的时候要挑重点。别把整个公司的 wiki 一口气全塞进去。
workflow ≈ 写死的流水线你提前画好箭头：第一步干 A，第二步干 B，第三步干 C，让实习生照着走。
他只能按这条路走。
有个反常识的点：大多数你以为该用 agent 的地方，用 workflow 就够了。流水线没那么性感，可它稳、便宜、好调试。
如果你还想扩一下词表：
- prompt ≈ 你写给实习生的工牌和岗位说明书，开工时塞给他的那张纸
- memory ≈ 实习生的工作日记，跨次对话也带着的那本
- skill 和 sub-agent ≈ 实习生手里的一本本说明书，碰到某类问题就翻这本
- MCP ≈ 一个统一的接口标准，让所有工具能用同一种方式接给实习生，不用每个工具都重写一遍说明书
这套类比的核心很简单：这些词全都是为了让实习生干活才存在的辅助物。
你要造的 agent，说到底就是雇这个实习生，再给他配齐干活要用的东西。
二、第一天就下的决定：别比较，照下面这条走
新手最容易死在选择瘫痪。
“我应该用 LangChain 还是 LangGraph？”
“OpenAI SDK 还是 Anthropic SDK？”
“要不要先学 RAG？”
“要不要先看 12-Factor Agents？”
“先 Python 还是 TypeScript？”
我建议你今天先把这些问题全部关掉。
先沿着下面这条路跑一遍。别比较，别犹豫，跑通以后再换也来得及。
工具栈：选其中一个
如果你完全不想写代码，用 Claude Code 写一个 markdown 文件作为你的 agent。一个文件就是一个 agent，门槛低到有点不真实。
如果你愿意写一点 Python，装一个叫 smolagents 的小库。30 行左右，就能跑出一个会调外部工具的 agent。
如果你已经在用 OpenAI 全家桶，用它官方的 Agents SDK。文档最完整，出问题也容易查。
这三个里随便选一个。不要花超过 10 分钟比较。
你跑通第一个之后，会发现它们的差别没想象中那么大。
第一个任务：也选其中一个
新手最常犯的错，是第一个 agent 就想做成完整产品。
比如“自动帮我找选题、写文、配图、发布”。
你先别碰这个。专业团队做几个月都未必稳定。
第一天的 agent，目标只要这么小：让它读一个东西，输出另一个东西。
可以从这些里面挑：
- 读一篇文章，整理成三句话
- 读你的 Inbox，挑出 3 封需要回复的邮件
- 读一个网页，提取里面所有的人名和公司
- 读一段会议录音文字稿，整理成行动项
就这种级别。一个输入，一个输出，一个 tool 调用。
为什么要这么简单？因为这一天的真正目的，并非做出一个马上改变人生的 agent。你只是先把“agent 这件事”从抽象的恐惧，变成手指真的敲过的东西。
跑通这一步以后，你才有资格继续想：“如果我再加一个 tool 会怎样？”“如果它读完邮件还能自动归档，会怎样？”
到那时候，瘫痪会自己松开。
三、一个下午能跑通的最小例子
下面给你两个版本。任选一个，不要两个都做。
我自己更推荐版本 A，因为它更接近未来扩展的方向。版本 B 更适合完全没写过 Python 的人。
版本 A：30 行 Python，一个会上网搜东西的 agent
这是给“愿意写一点点代码”的人。
前置准备，10 分钟以内：
pip install smolagents
然后准备一个 LLM 的 API key。OpenAI、Anthropic、Hugging Face 免费的那个都行。
完整代码：
from smolagents import CodeAgent, DuckDuckGoSearchTool, LiteLLMModel
# 1. 选一个模型作为这个实习生的"脑子"
model = LiteLLMModel(model_id="anthropic/claude-haiku-4-5")
# 2. 给他配一个工具：能上网搜
agent = CodeAgent(
tools=[DuckDuckGoSearchTool()],
model=model,
)
# 3. 给他一个任务
agent.run("查一下 2026 年 5 月美联储议息会议的结果，用一段话总结")
跑起来。
你会在终端里看到它自己思考，自己决定要调用搜索，自己读返回结果，再自己总结。
这已经是一个 agent 了。
它没有 AutoGPT 那种花哨的全自动，也没有复杂的多 agent 协作。可它确实满足 agent 的核心：下一步怎么走，由模型自己决定。
版本 A++：再加一个你自己的 tool，5 行
跑通之后你大概会想：“那我能不能让它做点别的？”
能。
加一个 tool 很简单。用一个 @tool 装饰器，把任何 Python 函数变成 agent 能用的工具：
from smolagents import tool
@tool
def get_stock_price(ticker: str) -> str:
"""查询美股某只股票的当前价格。
Args:
ticker: 股票代码，比如 AAPL、NVDA
"""
# 这里你随便接一个免费的金融数据接口
# 比如 yfinance 之类
import yfinance as yf
return f"{ticker} 当前价格：{yf.Ticker(ticker).info['currentPrice']}"
agent = CodeAgent(
tools=[DuckDuckGoSearchTool(), get_stock_price],
model=model,
)
agent.run("查一下 NVDA 现在的价格，再搜一下今天有什么相关新闻")
注意那个 docstring。它就是你给实习生的 API 文档。
写得越清楚，它用得越准。
这一步跑通之后，“agent 是什么”这件事就不再悬空了。
版本 B：10 行 Markdown，零代码
这是给“我真的不想碰 Python”的人。
前置：装一个 Claude Code，命令行版的 Claude。
然后创建一个文件 ~/.claude/agents/newsletter-summarizer.md：
---
name: newsletter-summarizer
description: 当用户提供一篇英文文章或 newsletter 时，提取关键观点并总结成中文。
tools: WebFetch, Read
model: haiku
---
你是一个专门读英文 newsletter 的助手。
当用户给你一个 URL 或一段英文文本时：
1. 读完整篇
2. 提取最重要的 3 个观点
3. 每个观点用一句中文和一句原文佐证
4. 最后给一句你的个人评价
格式要严格按这个来，不要加多余的解释。
保存。在 Claude Code 里输入：
帮我用 newsletter-summarizer 整理这篇 https://stratechery.com/某一篇
完事。
一个 markdown 文件就能变成一个 agent。
第一次见到这件事的人，通常都会觉得离谱。但它真的能跑。
不管你选 A 还是 B，跑通之后，请做一件事：
关掉电脑，去散步十分钟。
然后回来问自己一个问题：“这个东西，如果我再加一个 tool，或者改一段 prompt，能用来帮我处理生活里的哪件小事？”
那个答案，才是你接下来真正要造的 agent。
四、考古：我新手时卡在哪
我尽量回想了一下第一次接触 agent 时的卡点。这部分越具体，对你越有用。
卡点 1：以为 agent 必须像电影里那种“全自主 AI”
我最早看到 agent 这个词，脑子里跳出来的是 AutoGPT，是 Devin 那种“我给一个目标，它自己开始建一整个 SaaS”的 demo。
我一上来就在想：“那我得先搭一个能规划任务、能记长期记忆、还能多 agent 协作的系统。”
结果很尴尬。
一行代码也没写。
后来我看明白了：agent 更像一根连续的滑杆。
最左边一格：LLM 决定走路径 A 还是路径 B。这就已经有一点 agent 的味道了，只是程度很低。
往右一格：LLM 决定调哪个工具、传什么参数。
再往右：LLM 决定要不要继续下一步、什么时候停。
最右边那种全自主系统，只是滑杆的尽头。你 99% 的需求，都会落在中间偏左的位置。
新手该造的 agent，就从左边那一段开始：一个会决定调哪个工具的 LLM。
先别管 AutoGPT。
卡点 2：agent 和 workflow 我分不清
我有很长一段时间觉得它俩是一回事，反正都是“多个 LLM 调用串起来”。
直到有一天我才反应过来，区别其实很短：
workflow 是你画好了流程图，LLM 沿着箭头走。
agent 是你只给目标，LLM 自己决定下一步往哪走。
举个例子。
我要做一个“把英文文章翻译成中文小红书风格”的东西。
- workflow 版：先调 LLM 翻译，再调 LLM 改写成小红书风，最后输出。流程写死。
- agent 版：告诉 LLM“目标是出一篇中文小红书帖子”，再给它一个翻译工具和一个查小红书爆款的工具，让它自己决定先干啥。
90% 的情况，workflow 版就够用，而且更稳、更便宜、更可调试。
新手很容易在该用 workflow 的地方硬上 agent。结果通常是慢、贵，还不稳定。
我现在的判断标准很土：“这个任务的步骤，我能不能提前画出来？”
能画出来就 workflow。画不出来，再考虑 agent。
卡点 3：context 和 memory 是一回事吗
很长时间里，我以为 LLM“记得”我之前说过的话，就说明它有记忆。
后来才明白：
- context 是这一次对话里塞给 LLM 的所有文本，包括 system prompt、历史消息、工具返回。对话结束就没了。
- memory 是你主动写到外面的东西，可能是文件、数据库、向量库。下一次对话开始时，你再把它读出来，塞回 context。
换句话说，LLM 本身没有那种人类意义上的“记忆”。
所谓 memory，大多是你在外面手动给它存取东西。
这件事一想通，很多困惑都会消失：为什么聊太长它会忘？因为 context 满了。为什么 ChatGPT 现在能记住你？因为它在背后做了 memory 的存取。
新手不需要立刻搞 memory。
你第一天的 agent，完全不需要“记得昨天发生了什么”。等你跑通了，再加也不晚。
卡点 4：我以为是模型不行，其实是 prompt 没写好
我早期跑出来的 agent，经常做蠢事：选错工具、传错参数、提前停止。
我第一反应是：“这模型不行。”
然后换更贵的模型。
问题没解决。
后来才意识到，很多问题出在我的 tool 描述和 prompt。
举两个具体的例子：
- 我有个 tool 描述写的是 "查询用户信息"。模型完全不知道什么时候该用它。后来我改成 "根据邮箱地址查询该用户的订单历史和最近一次登录时间。当用户问'我上次什么时候来过'这类问题时使用此工具。" 调用就对了很多。
- 我有个 agent 总是在中间步骤就 return。后来发现是 prompt 里写了“完成任务后请尽快返回结果”。“尽快”这两个字把它催早了，删掉就好。
写 tool 描述，比选模型重要得多。
这句话听起来没那么酷，但从工程角度看，真挺值钱。
卡点 5：选不出工具栈
LangChain？LangGraph？LlamaIndex？CrewAI？AutoGen？smolagents？Pydantic AI？OpenAI Agents SDK？Anthropic Agent SDK？
我曾经花了整整一周比较这些东西。
一周之后，什么都没造出来。
后来我接受了一件事：新手期，工具栈的选择大多是噪音。它们的差别，要等你真的开始造复杂系统之后才会显出来。
新手选工具栈，就看一个标准：哪个上手最快，就先用哪个。
等你跑通 3 到 5 个小项目，你自然知道该换哪个。
写在最后
这篇里反复出现的意思其实就一个：完成比完美重要。
我自己造第一个 agent 的时候，最大的收获还真不在那个 agent 本身。
是我突然发现，原来我以为很高大上的“AI 应用”，本质上就是写一个 prompt，给它接几个工具，再让它跑一个循环。
听起来朴素得让人有点失望。
可你亲手跑通过一次以后，看整个 AI 领域的感觉会变。
你看到一篇 Anthropic 的论文，不会再觉得它离你特别远，因为你知道它大概在讲哪一层。
你看到一个很炫的 demo，会本能地拆：“它大概用了几个 tool？循环怎么停？中间有没有 workflow？”
慢慢地，你会冒出一个念头：
我好像也能造一个。
这种感觉装不出来。它只能靠那一个下午、那 30 行代码、那个能跑出结果的小东西换来。
别看完这篇文章就关掉。
挑一个版本，A 或 B 都行。再挑一件你生活里经常烦的小事，比如“要是有个东西能帮我做这个就好了”。
今天下午就去跑。
跑出 bug 没关系。
跑得很笨也没关系。
怎么样都没关系的。
只要它跑起来了，你就已经从“看 agent 的人”，变成了“造 agent 的人”。
中间没有过渡阶段。
就那一刻。
关于作者Kyrie**— 前国内大厂 R&D 工程师，现居曼谷，做中国科技企业出海 BD。持续分享出海一线真实记录、AI 在业务里的实战用法，偶尔也聊聊美股投资和国外生活。
