面向 Agent 开发实例集合 202608
大部分开发规模很小,
主要形式是在 chatbot 界面描述需求, 人再把 AI 输出的代码"搬"到项目里, 人做测试, 把结果发给 GPT, 然后 GPT 再输出修改后的产物. 如此循环 ...
现在的面向 GPT 开发, 都是面向 Agent.
Agent 可以通过 API 和 token 操作外部环境, 比如 cloudflare , github 等.
Agent 可以通过 tool_call 操作 chromium 浏览器. bash 终端操作就更不用说了.
Agent 有较强的识图能力, TA 可以看懂 GUI 界面. 你可以让 TA 开 VNC, 你再连上去, 这样你们看到的是同一个界面, 方便交流.
这样, 面向 Agent 开发 和 面向 chatbot 开发 相比, 最大的优势就是, 可以让 Agent 自己测试最终产物, 大大节约以前人类测试的时间.
特别是, 当你用的不是 SOTA 模型, 大概率无法(one shot)一次开发成功, 那么让 Agent 自己测试循环迭代就尤为重要.
这里是我的 面向 Agent 开发集合 https://zelikk.blogspot.com/search/label/Agent 开发
值得注意的是, 这里面都没有使用 SOTA 模型. 用的都是 mimo 啊, longcat 啊, hy3 啊, deepseek-v4-flash 啊, 要么就是路边捡别人不要的, 要么就是特别便宜的. 我希望作为一个示例, 让读者们看到, 像这个难度级别的需求开发, 不需要用到最贵的模型, 也就不会有那么大的代价, 也就欢迎更多的人尝试成为创造者, 通过开发, 满足自己的需求.
还有一点我希望读者们看到, 面向 Agent 开发, 要用一种什么表达方式和 Agent 交流. 进一步地, 在你自己的大脑里面, 要用一种什么思维方式.
前端是 HTML 的项目, Agent 可以通过 chromium 浏览器进行调试.
如, <极简翻墙客户端(壳) MDPC-my-dream-proxy-client 增强开发 多内核 单 outbound>
需要登录账号的项目, 如果你不放心把密码等信息告诉 GPT, 可以让 Agent 启动 VNC, 你连上 VNC 后完成登录操作, 再让 Agent 接手继续调试.
如, <Forkgram Mute All 功能移植到 Telegram Web K 版>
在考虑到跨平台开发的代价时, 前端可以用 HTML, 后端可以用 GO. GO 可以很方便的交叉编译, Agent 在 Linux 环境下开发, 编译出的结果可以在你自己的 win10 环境下使用.
如, <做一个你自己的 翻墙客户端(壳) 以 xray 内核 reality 协议为例 MDPC-my-dream-proxy-client>
Agent 现在有比较强的识图能力, c#语言的 GUI 开发也可以通过截图+标识的方式指挥 Agent
如, <在 v2rayN-v7 中 "获取 pinSHA256"按钮 调用 hysteria2-pinSHA256-tool 工具>
在你使唤 Agent 做了一件事情后, 你可以考虑让 TA 总结成一个脚本, 这样方便你以后重复使用.
如, <极简一键脚本要下岗了 sing-box 内核 anytls 协议>