最近我在做一个挺朴素的决定：从零造一个 Agent 产品。
倒不是为了听起来酷。对我来说，最踏实摸透 AI 工作流的办法，就是亲手把它造一遍。
很多人会问：为什么不直接基于开源项目改？开源迭代更快啊。
主要还是项目目的不一样，对我来说，这个项目不是交付成品，更想做的是逐帧剖析 AI 工作流的细节。从零开始，其实更容易把模型和 harness 怎么协作看清楚。
此外，还有一层产品判断——在我看来，Agent 是更偏向用户侧的产品，而Skill 只是面向开发者的能力封装。想把能力打通到普通用户，了解 Agent 的开发过程，这一环我觉得绕不开。
技术栈的思考
选型原则简单概括如下：看得见循环，学得动，不上重型框架。
- 语言：Python 3.11+
- 编排：自研 Agent Loop（不上 LangChain 一类）
- 模型：OpenAI 兼容 SDK 接 DeepSeek
- 校验：Pydantic；交互：标准库 input()
- 数据：tools.json + 内存会话 + 本地导出；密钥走环境变量
后面我会围绕这个 Agent 继续迭代和分享，欢迎围观～：）