简介

😫 痛点：网页版 AI 总是答非所问？反复调教后它立马“失忆”？每次配环境都像是在开盲盒？

🚀 破局：本次分享，我将带你实战演示如何利用 OpenCode 等 Agent 工具，在 10 分钟内实现“一键体检项目 ➔ 生成 SOP ➔ 自动配置运行”的全闭环。

💡 干货预警：

1. 揭秘 chatgpt们 与 Agent 的底层差异：为何网页 AI 只有嘴，没有手？
2. 独家 4 要素提取法：环境、依赖、资产、路径，跑通一切陌生脚本。
3. AI 时代个人复利：揭秘 agent.md 如何让 AI 真正实现“懂你”。

一、 先聊聊我们的核心需求是什么？

大家可以回想一下，咱们最近这段时间线上实习的任务模式。

不管项目再怎么变，我们的本质任务其实就是一个：

输入：一个代码库文件夹，加上几个教学视频或说明文档，

输出 ：脚本成功跑通

为了达成这个目的，我们在实际操作中，其实有着两个极其核心的硬性需求：第一个是“解读信息”的需求。

1. 面对庞杂的文件，我们需要推导出“到底要实现什么？”（比如搞清楚需要配什么环境、资产文件在哪儿、运行指令是什么、文件路径如何修改）。
2. 需要去从原始输入（代码文件夹...）中获取环境配置信息、资产文件信息、路径修改信息以及脚本运行信息。第二个是“执行落地”的需求。

• 在我们敲击命令行去执行的时候，经常会遇到各种各种的 Bug。当满屏红字出现时，我们需要一套“理解问题、分析问题、制定方案并实施”的闭环能力。

二、 为什么网页端的 AI 满足不了我们？

大家平时写代码、查 Bug 最常用的一定是各类网页版的 AI，比如 ChatGPT、Kimi 或者是网页版的 DeepSeek。

但如果你用它们去跑完整的工程项目，你会发现非常吃力。这其实是由它们底层的技术基因决定的。

因为所有大语言模型的底层逻辑，本质上都是 Transformer 架构。这是什么意思呢？用大白话讲，它就是一个“文字概率预测函数”。

简单的说：接收一段文本，把文本拆分成词向量放入网络，经过计算，输出一个词概率向量。

比如：

输入： “我的名字是“

输出：

[ 李：0.3 陈：0.2 张：0.18 ..... ]

输入：

“我曾经是台湾三年二班，我现在华语乐坛天王，我最近还出了新专辑，我的名字是”

输出：

[ 周：0.9999999 ....... ]

这种底层原理，放到咱们复杂的工程流里，就会暴露出三个致命的局限：

1. 视野盲区： 网页端 AI 接收信息的窗口太窄，大多数不支持你扔一整坨代码库文件夹进去（目前我只知道gemini支持）。AI 接收到的背景信息不全、约束太少，那么底层算法基于概率算出来的结果，大概率就是答非所问闭门造车。 https://gemini.google.com/app

2. 上下文的智商衰减： 就算是号称支持 100万 Token 超长上下文的模型，其实当你把对话进度推到 50% 的时候，它就已经开始“降智”和幻觉了。为了保证它清醒，你需要频繁地新开对话、一遍遍不厌其烦地重新输入背景信息，稍微漏给一点上下文，它在下一步的执行指导中就会给你埋下引发无数 Bug 的坑。

3. 缺乏执行器官： 网页 AI 只有嘴，没有手。它只能输出一行行的字。这就导致具体在配环境时，我们沦为了一台“肉身搬运机”——把终端的报错复制给网页，再把网页生成的指令复制回终端。不停地在多个黑框和浏览器之间反复来回切，这就是彻头彻尾的纯体力活。

三、 什么是 Agent？它凭什么破局？

既然 Transformer 的原生形态搞不定，那我们就需要引入 Agent（智能体）。

那么什么是 Agent？打个比方，Agent 就是给原来那个只有大脑的 LLM，装上了眼睛、手脚和各种工具链。 它从单纯的“聊天机器”，变成了具备感知、决策和执行闭环的独立实体。

在我们日常的开发环境中，一个成熟的 Agent 通常具备以下能力闭环：

• 感知系统： 除了我们写的提示词，它能够自己调用工具去读取工作区的信息。
• 决策系统： 依然是基于大语言模型的大脑去思考推演(网页端的大语言模型只有这一层的功能)。
• 执行系统： 它能够直接长出“手”去调用 CLI（命令行）工具修改你的文件。

比如在实际应用中，Agent 拥有着丰富的工具库。它可以通过 bash 工具在你本地直接运行命令（帮你敲 pip install）；通过 grep 和 list 工具像眼睛一样去全盘扫描代码库你的目录结构；甚至能通过 edit 直接精准替换和修改你脚本里的代码。

这就带来了碾压性的优势：

第一是上下文信息的维度降维打击。它可以实打实地去遍历你的整个代码库，而不是只干读你复制给它的那段文本，它可以根据你给出的任务，自己去文件夹中寻找它觉得缺失的信息，然后去针对性的补全。

你甚至还可以通过skills，来专门调用cli工具，来实现视频信息的解读。

第二是无人值守的全自动闭环。Agent 产品可以直接接管你的电脑终端，按照事先梳理好的执行文档，自动敲击指令、自动配环境。

如果中途跑代码报了各种离谱的错误，它也能够自己去读终端、去发现问题、进行问题的分析、之后再直接自己运行指令，解决问题。

四、 OpenCode 工具介绍与实战演示（Agent 作为包工头）

https://learnopencode.com/1-start/

我这里准备了一个极简版的 Streamlit_Demo 文件夹，它模拟了一个复杂的灵巧手项目复现失败的初始状态：

1. 环境没配：缺少 Conda 虚拟环境。
2. 依赖缺失：代码里引入了外部库，但我没在清单里写明。
3. 资产报错：代码里的资产路径是指向了旧的、失效的绝对路径，跑起来绝对会红字漫天。

演示操作流程：

接下来，我会呼叫 Agent，但我不会让它直接“跑项目”，而是让它执行我在 M2 实习月摸索出的

核心工程指令：

❝

"帮我深度遍历这个文件夹，提取该项目的：【1.环境环境、2.依赖、3.资产文件、4.路径读取方式】四大要素，并根据这四点生成一份 执行文档.md。"

五、 核心认知：Agent 的知识沉淀与复利效应

最后我想稍微拔高一点点，聊一个在 AI 时代更底层的基础设施问题：知识沉淀。

大家在跟 AI 协作时，衡量一个回答好不好的标准到底是什么？ 我在看来，核心其实只有两个关键参数：

1. 语义相关度（Semantic Relevance）

• 定义：是不是我真的想要的回答？
• 示例：比如，我想知道读取脚本的方法论，那么我就希望回答的语义传达了以下信息：
• 这个方法论具体是怎么指导我一步一步去读代码的？
• 为什么这个方法论是有效的？
• 这个方法论对于新手而言，具体该如何去执行？
• 反例：AI 有时会输出一些完全不解渴的“碎信息”，比如：
• 仅仅列出“多读、多写、多思”这种毫无实操价值的步骤。
• 大谈“这个代码库通常在这个行业的哪些背景下使用”。
• 啰嗦“一般都有哪些开发人群在研究这个方法论”。

2. 语义的表现形式（Semantic Expression Form）

AI 就像一个极度健忘的实习生。你这几天好不容易把它调教得非常顺手——它终于知道你喜欢看总分总的结构，终于知道你是算法新手需要多用类比。

但是，一旦你第二天新开了一个对话窗口，它会瞬间“失忆”，一切归零。 你不得不把那些关于“语义相关度”和“表现形式”的要求再重复一遍，这种低水平的重复调教极其消磨人的耐心。

那么 Agent 产品是怎么通过知识沉淀来解决这个痛点，实现复利的呢？它引出了两个非常关键的机制：

1、构建你的个人 agent.md 文件

我的解决策略是：每次对话完之后，我都让 Agent 进行一次元认知的反思。 让它把这段对话中摸索出的关于我的”认知偏好“，并且自己进行错题以及优秀回答的积累（我对它不满意的场景以及满意的场景），规整地写入项目目录里的 agent.md 文档中。

这样，你每一次与agent的交流，AI对你的了解，都能以文字的形式（相当于是永久记忆）沉淀下来。之后每次新开对话，它就会自动的加载这些永久记忆，进而越来越懂你。

2、利用 Skills 技能文件，固化高标准的输出约束

除了项目全局的记忆，我们还可以针对特定任务配置专门的 Skills（比如我的 structured-summary）。

这相当于给 AI 施加了一层硬性的“微操作约束”。无论在什么窗口，只要调用它，它就必须遵循我预设的排版逻辑和表达风格。从而使之在语义相关度以及表达方式层面满足我的要求。

-END-