AI Agent是什么？如何真正用好Agent？

前言

近几年，AI发展的速度越来越快，也确实变得越来越厉害，后来还冒出了一个叫做Agent的概念。

这篇文章旨在为从未接触过用过Agent的新手讲清楚一些概念，并让你真正用起来，并学会怎么用好它

我会尽可能写到我认为重要的一切概念，之后也会持续补充，但是并不会太过深入探讨

关于AI（LLM）

应该基本上很多人都会用过AI

豆包、千问、DeepSeek，还是国外的Claude、ChatGPT、Gemini、Grok等等

它们确实都是AI，或者我们用更为准确的词去形容他们，他们应该叫做LLM，大语言模型

关于LLM，强烈推荐去阅读这篇文章：https://www.zouht.com/3915.html

这篇文章非常适合新手去了解大语言模型，从大语言模型的原理出发去认识现在AI的本质。

当你看完这篇文章并真正理解之后，我相信你会发现一件事情：现在的AI虽然说它们越来越强大，它们也确实能够干很多事情，但是无论它们玩得多花里胡哨，LLM在本质上就是一个概率预测模型，一切都是概率，它们没有真正理解任何事情，仅仅是经过了语义向量化后，把一切词语都变成了可量化的东西，然后去算概率，仅此而已。

我认为这是AI幻觉的根本来源，AI幻觉是无法避免的，因为它在本质上就是这样

所以，现在AI Agent确实发展得很快，它们确实特别厉害能干特别多事情，但是无论你用的是什么模型，哪怕强如Claude Fable5，盲信AI都是绝对不可行的

AI不是真正的许愿机，AI时代并不意味着你完全不需要学习技术了，你至少得对你自己在做什么，AI现在在做什么，有一个大致的认识，并且学会如何通过沙箱等方式去约束AI的行为，如何通过Git（版本控制）去做备份。如果你什么都不懂并且直接盲信AI，劝你一定要中午用AI，因为早晚会出事

Agent

大家都用过AI，那么大家应该都知道，传统的AI的交互方式是你问一句他答一句，是最传统的问答的形式，它也并没有直接操作你的电脑，直接操作工具的能力

而Agent，本质上是给大模型加了一个”感知—决策—行动”的循环外壳，让它不再只是回答文字，而是能真正对外部世界做事，它能够真正调用工具

说Agent大家可能并不清楚，但是我可以举个例子：今年三月份爆火并出圈的那个小龙虾，其实就是一种Agent

LLM当然只能回复文本，它本质上并没有调用工具的能力，而Agent的实现方式是，它通过系统提示词等方式约束LLM的回答方式，让模型输出结构化指令：模型不再只输出自然语言，而是输出类似”我要调用 bash_tool，参数是 xxx”这样的结构化请求（通常是 JSON 格式）

Agent程序收到这样的结构化的请求，就可以去代LLM去完成这个操作，并把结果返回给LLM

这里会涉及到Harness的概念，但是这里不赘述，感兴趣的可以自行了解

怎么用

前面说了这么多，都是理论，那么我要怎么真正去用上Agent呢？

Agent的选择有很多，比如什么Claude Code，Codex，Opencode，Hermes，Openclaw……那可太多了

我曾经一直使用的是Claude Code跟Codex

Codex 它确实是非常好的，而且我认为它是现在所有Agent中GUI做的最好的，但是我觉得它并不适合去配第三方模型，但是如果你舍得花钱，我认为你去买一个GPT Plus或者PRO，然后用Codex+GPT模型是最好的选择

Claude Code，曾经的神，也是我非常喜欢的，它相比于Codex，对第三方模型的支持比较好。不过最近闹出来的那些事情，想必大家都知道，Anthropic本身也是个畜生公司（主打一个缺什么名字就叫什么），所以我不再推荐

我最喜欢的其实是Opencode和Hermes

Opencode是开源的，可以说是Claude Code的开源平替，字如其名，它比较适合Code（编程）。它之所以好，还有一个原因是因为它内置了几个免费的模型，你啥都不用配置就能直接用了

Hermes，全名Hermes Agent，也是一个开源的Agent，它的特点是会自沉淀记忆和Skill，越用越懂你，虽然也因此会变得更加臃肿，不过我觉得它还是非常适合新手，非常适合日用的，它适合放在服务器上，然后通过网关接入到微信，QQ，飞书等平台，成为一个7×24小时在线的私人助手，还能定时推送天气信息，新闻信息等，还是非常不错的

选择模型

没有模型，你的Agent就是一个没有任何用的空壳

而该选择什么样的模型，也是一个非常值得研究的事情，不同的模型的能力不一样，他们擅长做的事情也不一样，他们的偏好也不一样，价格也不一样

模型决定上限，Agent决定下限，以及能不能够得着模型的上限

所以选择模型的同时，既要考虑到它的能力，也要考虑到它的价格，毕竟在这个AI时代，你问一句你好、AI搞砸的东西，你让他道歉，那全都是要实打实烧真金白银的（这个时代真是疯了AI搞砸了删库跑路了也得收我钱）

或者你也可以考虑使用中转站，公益站什么的，不过这里面的水太深了，有兴趣有时间再慢慢折腾，去研究吧

想先用起来，可以先在DeepSeek开放平台，充个10块钱，然后创建一个API Key，先用起来再说

一些依赖

其实一般情况下，什么依赖都不需要，直接安装就好了，但是最好去安装一下以下几个东西

• Git，强烈建议，它是一个版本控制工具，Agent的大量工作流都建立在 Git 之上，没有 Git，Agent 在你的项目里做的修改就没有后悔药，风险会更高，有了Git可以让你的Agent做事情一步一个脚印
• Python，可选但是最好装上，Agent是特别喜欢用Python来写脚本来辅助它做事情的，提前装上比较好，不需要你真的会Python，至少让Agent有Python的运行环境
• Node.js，可选，Agent也是特别喜欢用Node.js和npm，装上挺好的

后面如果还需要用到什么东西，Agent会跟你说，甚至还能自己帮你装的

如果你同时使用多个Agent，多个模型，多个Providers，可以考虑装个CC Switch

Skills，插件，MCP

你的Agent+模型在配好后，就完全可以用的了，什么事情都能做，但是有一件事情很重要

LLM是一个通用型的助手，也可以理解为：什么都懂一点点，但是并不精

Skills，它可以为你的 AI Agent 提供特定领域的专业知识：工作流程、背景知识和最佳实践，把一个通用型的助手变成某个领域的专家。核心是一个叫 SKILL.md 的文件夹，里面装着指令和元数据，Claude 在相关时会自动使用

其实就是提示词，但是它是可复用的

插件（Plugins），是更高级的Skills，它是多个Skills的集合，可能还包含一堆可调用的脚本，代码

MCP，是一个统一的接口，它为你的AI Agent与外部数据源、本地工具及软件环境之间建立统一的通信桥梁

这里可以给几个推荐：

• MCP
  • Context7：给模型实时拉取最新的框架 / 库文档，避免模型用过时的 API 用法瞎编
  • Playwright：它让你的Agent可以真正调用浏览器，完成一系列操作
  • Computer Use：其实这个可以不装的，实际意义不是很大，纯粹是因为是自己做的所以放在这里（）
• Plugins：
  • Superpowers：真神，一个生产级的超强工作流，如果你的模型比较弱，这个必装，但是如果你的模型本身就非常厉害，这个反而用处不大（可能还会起反作用）
  • UI-UX-Pro-Max：前端开发特别好用
• Skills：
  • frontend-design：这个是Anthropic开发的，给Claude Code用的，但是其理论上任何Agent都可以用，也是前端开发的，能提升你的Agent的审美
  • mattpocock的Skills仓库：这里有非常非常多实用的Skills，均由mattpocock大佬开发
  • skill-creator：让你方便地开发自己的Skills

AGENTS.md / CLAUDE.md

这是一个非常重要但是很少人真正用好的东西，它其实就是一个Markdown格式的文档，当放在全局，他通常会放一些你希望你的Agent永远记住的东西，永远遵循的东西，这里可以放一些你个人的偏好，以及你在使用 Agent 的过程当中经常踩到的一些坑；当放在项目级，它就是你当前项目的一个使用说明书，它可以方便你下次打开Agent，让Agent快速了解当前项目的一切

思考深度

这里有一个很常见的误区，有的人认为思考深度就是越高越好，直接无脑开max，开ultra。但是事实并不是这样的，对于一些比较简单的问题，如果你的思考深度开得太高，你的模型有可能会想太多，想太慢，花费更多的Tokens，最终适得其反

一般情况下，使用默认的Medium，就很不错了，在真正重的任务，想要更深层次的思考，再考虑往上提

多Agent协作

就好比一个人做完一件事情，他自己去自审，他可能会忽略掉很多东西一样，一个人做完一件事情，然后交给另外一个人去审，往往是更好的

多Agent协作就是一样，每个Agent干不同的事情，让一个总的Agent去调用它们，去管理它们，这可能会花费更高的Tokens，但是真的特别有用。

同样的，并不用什么任务都交给最强大的模型干，对于一些简单任务，可以选择开一个子Agent，然后用一个比较轻量、比较便宜的模型去实现，不同模型之间的相互配合也是非常重要的，不然Claude为什么要弄Haiku、Sonnet、Opus、Fable呢？DeepSeek为什么要弄V4-Flash和V4-Pro呢？

现在基本上很多Agent都会自带这个功能，Claude Code在这方面尤其先进

总结

其实说了这么多，用一句话就可以总结：尽可能多用 Agent，尽可能多和你的 Agent 一起探索新东西，有什么你觉得你的Agent不够好的东西多和你的Agent一起去摸索，去想办法解决。

不需要找什么从入门到精通的系统性教程，更不需要交钱买课，多用Agent去做事就足够了，在用中学