AIAgent
快来分享你的内容吧～
06-29 16:34·后端AI 投资人 Agent 项目实战保姆级教程，手把手带你用 AI 编程 + EdgeOne Makers 开发毒舌 AI 投资人 Agent，帮你验证副业想法靠不靠谱，覆盖提示词设计、Agent 开发、部署上线、多轮对话记忆全流程。查看全文加油鸭：太酷了！把AI变成毒舌投资人来验证副业，思路新颖又实用，开源精神更值得点赞！832分享
告别 Agent 研发失控：vibe-workflow 实战指南
## 本节重点 用 Cursor、Claude Code 或 Antigravity 写代码时，很多同学都有过类似的体会：让 Agent 写个独立的辅助脚本或单文件 demo，通常很顺手；但如果把它放进一个现有的多文件项目里做多轮迭代，往往很容易失控。比如顺手改掉没让它动的基础库、改错一个地方后进入反复修补的死循环，或者换个对话窗口就把之前的设计细节忘光。 这篇文章介绍我开发的开源 Agent Skill —— vibe-workflow，以及它在微信小程序 moneyRecord（清新记账）中的实际用法。 本文主要包含四部分内容： - 分析 Coding Agent 在多文件项目中失控的常见原因； - vibe-workflow 的状态机与四条核心约束； - 以 moneyRecord 小程序 v0.2.0（月度预算与每日走势图）为例，看需求冻结、垂直切片到自动化验证的完整流程； - 在自己的项目中接入 vibe-workflow 的配置方法。 前置条件：有基本的 Git 使用经验，日常用过至少一款 AI 编程工具。 ## 一、为什么 Coding Agent 容易把项目改崩？ 在多轮需求开发中，Agent 常见的问题主要有四类： ### 1. 范围膨胀（Scope Creep） 让 Agent 把某个保存按钮改成异步提交，打开 Git Diff 却发现它顺带重构了全局请求封装，甚至把原本做好的异常处理删掉了。给 Agent 编码权限，很容易被模型理解为可以随意调整业务和架构范围。 ### 2. 反复修补 遇到报错或单测失败时，Agent 的第一反应往往是就地加补丁：第 10 行报空就加一层判断，第 25 行受影响又补一个容错。几轮交互下来，Token 耗费不少，底层设计越来越乱，最初的问题依然没解决。 ### 3. 上下文随会话丢失 聊天窗口的上下文有限，一旦会话被压缩或者新开对话，模型就失去了之前的上下文。哪怕重新粘贴 Prompt，它也很难准确还原上一轮为什么这么设计、哪些模块已经测通。 ### 4. 虚假完成 模型经常在回复里宣称“所有功能均已实现并通过测试”，但实际运行或者跑单测时往往直接报错。没有真实的命令输出做佐证，模型的口头确认并不能作为交付依据。 这些问题的根源，通常不在于模型单点写代码的能力，而在于开发过程缺少生命周期管理和工程约束。如果不能把确定性的流程规范和模型自身的生成能力结合起来，Agent 的多轮产出就很难稳定。 ## 二、vibe-workflow 的机制与核心约束 vibe-workflow 是一个生命周期编排器（Orchestrator）。它用一套状态机把需求澄清、规格编写、架构设计、分步实现与测试验证串联起来，约束 Agent 在每一步的动作边界。 ```text REQUIREMENTS_FROZEN (需求冻结) ↓ SPECIFIED (行为规格) ↓ DESIGNED (架构设计) ↓ PLANNED (实施计划) ↓ BUILDING (垂直切片实现) ↓ VERIFYING (证据验收) ↓ READY_TO_SHIP (就绪发布) ↓ RELEASED (正式归档) ``` 在这个流程中，有四条核心规则： ### 1. 需求必须先冻结，实现细节可委派 项目或版本在写代码前，必须满足： ```text Requirement Status == FROZEN Open Questions == None Current Release ID exists Acceptance Goals are testable ``` 只要还有未确定的需求疑问，或者状态未标记为 FROZEN，Agent 就必须停下来，不能直接生成业务代码。产品的边界由人决定，具体实现细节才由 Agent 负责。 ### 2. 仓库是唯一记忆，聊天只是临时通道 不把设计方案和任务进度留在聊天记录里，而是统一保存在代码仓库的 `docs/vibe/` 目录下。 新开会话或切换窗口时，Agent 只需要读取 `docs/vibe/PROJECT.md` 和 `docs/vibe/PROGRESS.md`，就能获取当前状态，不需要依赖人工手动同步聊天上下文。 ### 3. 普通修改自主推进，关键事项走决策门禁 私有函数命名、小文件重构、本地单测等日常编码由 Agent 自行决定。但如果涉及产品范围调整、公共接口兼容性变动、数据库结构迁移、安全策略以及最终发布，Agent 必须停下来给出方案，等待人工明确确认。 ### 4. 没有新鲜的验证证据，不得声称完成 任务完成的判断标准只有一条：终端实际执行的测试命令或检查输出。必须有当前轮次跑通的测试日志，且覆盖既定的验收目标，才能把状态流转到完成。 此外还有一项熔断规则：如果 Agent 就同一报错连续修补 3 次仍未解决，或者改好一处导致其他两处出现新错误，必须停止打补丁，记录当前断点，重新审视架构或方案后再继续。 ## 三、实战：微信记账小程序 moneyRecord 以正在开发的微信原生记账小程序 `moneyRecord` 为例。在 v0.1.0 跑通基础记账与分类后，我们通过 vibe-workflow 推进 v0.2.0 的月度预算与收支趋势分析功能。 ### 1. 需求冻结与目标定义 (`PROJECT_BRIEF.md`) 在 `docs/vibe/releases/v0.2.0/PROJECT_BRIEF.md` 中，我们把本期范围和排除项写清楚，并将状态置为 FROZEN： ```markdown ## Requirement Control - Requirement Status: FROZEN - Current Release: v0.2.0 - Approved By: User ## In Scope (v0.2.0) - [x] 月度预算管理: 支持设置、修改或关闭月度预算限额；本地持久化。 - [x] 首页预算进度展示: 首页汇总卡片展示进度条、剩余预算、已用百分比。 - [x] 超支提醒机制: 预算超支时进度条呈现珊瑚红并标注“超支 ¥XXX”。 - [x] 每日收支趋势图表: 统计页新增基于 Canvas 2D 的每日收支趋势图。 ## Out of Scope - 分类独立子预算 - 年报与跨年度对比 - 多账户管理 ## Acceptance Goals | Goal ID | 可观察目标 | 验证方式 | |---|---|---| | GOAL-201 | 用户可成功设置月度预算，首页即时展示剩余预算与已用进度条 | 查看首页卡片渲染与数据 | | GOAL-202 | 当月支出未超预算时进度条为清新绿色；超支时变红并计算差额 | 录入超预算数据检查状态机 | | GOAL-203 | 统计页准确绘制当月每日收支趋势图表，柱状高度与金额匹配 | 自动化单测计算趋势聚合数据 | | GOAL-204 | 切换统计月份时，趋势图与每日数据自动同步更新 | 切换历史月份核对 | ## Open Questions - None ``` 明确了 Out of Scope 之后，Agent 就不会擅自去写多账户或分类子预算相关的逻辑。列出 GOAL-201 到 204，也让后续验收有了具体的比对标准。 ### 2. 行为规格与设计先行 (`SPEC.md` 与 `TECH_DESIGN.md`) 编码前先定义关键状态和计算规则。比如针对预算监控，在规格中先写明状态机： ```javascript const BUDGET_STATUS = { HEALTHY: 'HEALTHY', // 已用 < 80% (绿色) WARNING: 'WARNING', // 80% <= 已用 <= 100% (橙色) OVER_BUDGET: 'OVER_BUDGET'// 已用 > 100% (红色，计算超支差额) }; ``` 同时在架构设计中规定：UI 层不直接处理聚合，按日汇总的数据逻辑全部收敛到 `utils/recordService.js`，图表渲染使用微信原生的 Canvas 2D 接口。 ### 3. 垂直切片拆解 (`IMPLEMENTATION_PLAN.md`) 不一次性修改所有模块，而是把任务拆成 4 个垂直切片： - Slice 2.1: 预算存储与每日数据聚合服务（`storage.js`, `recordService.js`, `date.js`）。 - Slice 2.2: 预算设置界面与首页卡片联动（`pages/settings/*`, `pages/index/*`）。 - Slice 2.3: 统计页趋势分析与 Canvas 2D 图表渲染（`pages/stats/*`）。 - Slice 2.4: 自动化单测编写与集成验证。 每做完一个切片，Agent 都在 `docs/vibe/PROGRESS.md` 中打钩更新，这样无论中途被打断还是换窗口，接手时都能看到当前进度： ```markdown - [x] Slice 2.1: 预算底层服务与日趋势聚合 (storage.js, recordService.js, date.js) - [x] Slice 2.2: 预算管理界面与超支监控 (settings/*, index/*, record/*) - [x] Slice 2.3: 统计页收支趋势分析与 Canvas 2D 图表 (stats/*) - [x] Slice 2.4: 自动化测试与 v0.2.0 验证 (tests/test_v2.js, VERIFICATION.md, TECH_DESIGN.md) ``` ### 4. 验证与证据记录 (`VERIFICATION.md`) 写完功能后，在终端执行测试： ```bash node tests/test_core.js && node tests/test_v2.js ``` 输出真实的测试结果： ```text --- 开始测试 Slice 1 核心模块 --- ✓ utils/calc.js 测试通过 ✓ utils/date.js 测试通过 ✓ utils/icons.js 测试通过 ✓ utils/categoryService.js 测试通过 ✓ utils/recordService.js 核心领域逻辑测试全部通过！ ======================================== 🎉 自动化测试 100% 通过！ --- 开始测试 v0.2.0 预算与趋势分析模块 --- ✓ dateUtil.getDaysInMonth 测试通过 ✓ storage.js 预算存取测试通过 ✓ recordService.getBudgetStatus 状态机与超支计算测试通过 ✓ recordService.getMonthDailyTrend 每日趋势聚合测试通过 ================================================ 🎉 v0.2.0 自动化测试 100% 全部通过！ ``` 把这些输出记录到 `docs/vibe/releases/v0.2.0/VERIFICATION.md`，确认 4 个 Acceptance Goal 都通过后，状态才正式更新为 `READY_TO_SHIP`。  ## 四、在现有项目中接入 vibe-workflow 将这套流程加入现有项目通常只需要三个步骤： ### 1. 在根目录配置 `AGENTS.md` 在项目根目录创建 `AGENTS.md`，让 Agent 进入工作区时先阅读基础规则： ```markdown # Agent Instructions ## Workflow & Governance 本项目遵循 `vibe-workflow` 软件生命周期管理规范。 ### 核心规则 1. **Constitution**: - 工程开始前必须冻结需求（Requirement Status == FROZEN, Open Questions == None）。 - What to build is frozen. How to build it is delegated. - 不得静默改变产品范围；产品变化必须经过明确的人类决策。 - Repository is memory. Chat is conversation. - 没有 fresh verification evidence，不得声称完成。 2. **事实源**: - 项目总览与索引: `docs/vibe/PROJECT.md` - 当前执行进度: `docs/vibe/PROGRESS.md` - 当前 Release 需求基线: `docs/vibe/releases/<release-id>/PROJECT_BRIEF.md` - 当前架构事实: `docs/vibe/TECH_DESIGN.md` ``` ### 2. 建立 `docs/vibe/` 目录与基础文档 在 `docs/vibe/` 目录下放置两个核心文件： - `PROJECT.md`：记录项目定位、当前版本与测试命令： ```markdown # Project - Project Name: 你的项目名 - Current Release: v0.1.0 - Quality Profile: Standard - Supported Commands: npm test / npm run dev ``` - `PROGRESS.md`：记录当前执行切片与任务状态： ```markdown # Progress - Current Release: v0.1.0 - Current Workflow State: REQUIREMENTS_FROZEN - Operational Status: ACTIVE - Current Slice: None - Next Task: 编写 SPEC.md 行为规范 ``` ### 3. 日常开发指令 配置完成后，日常给 Agent 发指令时就可以按流程推进： - 开新需求时：“按照 vibe-workflow 规范，为我们规划 v0.3.0 的需求基线 `PROJECT_BRIEF.md`，列出需要我确认的问题。” - 新窗口继续工作时：“先读 `docs/vibe/PROJECT.md` 和 `docs/vibe/PROGRESS.md`，确认当前进度后继续执行下一个切片。” 这样可以让 Agent 始终围绕既定的切片和测试目标推进，减少无谓的来回试错。 ## 五、总结与仓库地址 使用 AI 辅助编程，工具的生成速度很快，但如果缺少约束，规模稍大就会带来返工成本。vibe-workflow 的出发点，就是通过需求冻结、仓库持久化记录、垂直切片和测试证据链，把开发过程固定在可控的轨道里。 如果你在开发中也遇到过 Agent 随意改代码或遗忘上下文的问题，欢迎尝试这个工作流。 已在 GitHub 开源： 👉 **https://github.com/sz-xiaohuolong/vibe-workflow** 觉得对你有帮助的话，欢迎去 GitHub 点个 Star 支持一下。也欢迎提交 issue 或 PR，一起交流 Agent 工程化落地的经验。
腾讯云放大招了，白薅 Tokens + 免费部署 AI 应用，爽！
大家好，我是程序员鱼皮。 AI 时代，越来越多人开始琢磨用 AI 搞副业赚钱，各种想法满天飞。 但问题是，大多数想法都停留在「感觉能赚钱」的阶段，真正去做之后才发现，要么竞品已经一堆了，要么根本没人愿意付费，时间精力全浪费了。 所以我就想，能不能做一个 **AI 投资人 Agent**，专门帮我验证副业想法靠不靠谱？ 跟它描述你的副业想法，它会联网搜竞品、分析市场、评估可行性，然后像真正的投资人一样给出判断：愿意投多少钱？还是白送都不要？ 如果你觉得自己的想法被低估了，可以继续追问、调整方案，它会记住你之前说的内容，动态更新估值。 这样就能快速过滤掉那些不靠谱的想法，把时间省下来花在真正值得做的事上。 ⭐️ 本期对应视频版：[https://bilibili.com/video/BV1jU756mE1x/](https://bilibili.com/video/BV1jU756mE1x/) ## 方案设计 想做这样一个 AI 应用，你要考虑很多事情： - 怎么对接 AI 模型？ - 怎么使用联网搜索能力？ - 怎么隔离多个用户的对话记录？ - 怎么让 Agent 记住上下文，应对用户的追问？ 哪怕让 AI 帮你搞定这些，也会花很多时间和 tokens。 最近腾讯云的 [EdgeOne Makers](https://pages.edgeone.ai/zh/document/product-introduction) 刚上线了 Agent 托管能力，正好解决了这些问题。  你只需要专注写 Agent 的业务逻辑（比如怎么评估一个副业想法），剩下那些联网搜索、对话记忆、模型对接之类的活儿，部署上去之后平台自动帮你搞定。  接下来我会从 0 带大家用 AI 编程 + EdgeOne Makers，把这个 AI 投资人 Agent 开发上线。 不过在动手之前，我先带大家用 EdgeOne Makers 控制台快速部署一个官方模板，感受一下这个平台到底是怎么玩的。 ## 快速体验 EdgeOne Makers 进入 EdgeOne Makers 的 Agent 面板，可以看到默认提供了很多 Agent 应用模板，支持 OpenAI SDK、Claude SDK、LangGraph、CrewAI 等主流框架，JS 和 Python 都能用。  我这里选择创建一个 OpenAI Agent 模板：  关联 GitHub 仓库后，什么信息都不用改，直接点击创建部署。  系统会帮你快速创建一个项目仓库，然后自动完成整个项目的初始化、安装依赖和构建部署。  点击预览，可以看到平台提供了一个临时测试域名：  直接访问，一个 AI Agent 项目就上线可用了。能够正常和 AI 对话，响应速度也不错。  你可能会好奇：我没填大模型的 API Key，怎么就能用了？ 进入 Makers 控制台的 [Models 模型面板](https://console.cloud.tencent.com/edgeone/makers?tab=models&subTab=models)，你会发现 EdgeOne Makers 默认帮我们对接了主流大模型，限时赠送每个用户 50 万 Token / 月。  还自动创建了一个调用大模型的默认密钥，并且在创建项目时，把这个密钥注入到了程序的环境变量中，所以你不用填 Key 就能直接用。  看到这里，相信你对 EdgeOne Makers 有了基本认识，你可以把它理解为一个专门给 AI Agent 准备的托管平台，模型、工具、记忆、监控这些能力它都帮你备好了，你只管写业务逻辑。  下面进入正题，我会带大家走一遍完整流程：环境准备 → 设计提示词 → AI 开发 → 部署上线 → 迭代优化。  ## 环境准备 开发之前，要先安装 EdgeOne 官方提供的 Skills 技能包，装上之后 AI 就自动知道怎么按照 EdgeOne Makers 的要求来写代码（比如项目文件往哪放、入口函数怎么写、平台提供的联网搜索和对话记忆怎么调用），不需要你手动喂文档。  参考 [官方文档](https://cloud.tencent.com/document/product/1552/129329)，打开终端，输入一行命令： ```bash npx skills add TencentEdgeOne/edgeone-makers-tools ``` 根据指引，选择要安装的 Skill，比如我们要用到的智能体开发 `/makers-agents` 和部署 `/makers-deploy` 技能。  安装范围选择全局安装，这样之后所有项目都能用。 准备就绪，下面开始写提示词。 ## 设计提示词 我的需求并不复杂，而且用什么框架、部署到哪里我已经想清楚了，就没让 AI 帮我整理，直接编写完整的提示词。 完整的提示词如下： ```markdown 帮我开发「AI 投资人」副业验证 Agent，部署在 EdgeOne Makers 平台上。 明确的技术方案： 1. 使用 OpenAI Agents SDK 框架 2. 前端和 Agent 共存在同一个项目里，之后我会一次部署到 EdgeOne Makers 开发要求： 1. 体现 Loop Engineering 的思想，自主开发、自主测试验证，最终交付一个完全可用的产品 2. 如果有不明确的地方，先问我再动手 需求描述： Agent 的设定是见过太多项目的资深投资人，说话毒舌、判断犀利。用户描述自己的副业想法后，它会联网搜索竞品和市场信息，给出愿意投资多少钱的判断（或者「白送都不要」），并说明理由和改进建议。支持多轮对话，用户可以根据反馈调整方案继续追问，Agent 要记住之前聊过的内容。前端采用 Q 版风格，多端适配。 ``` 简单解释一下，开发要求里的 Loop Engineering 思想是让 AI 自己写完代码后自主测试验证，不用人工盯着。 不过注意，部署到 EdgeOne Makers 上的代码得遵循平台的规范，不然跑不起来。 所以执行的时候，我要先通过斜杠命令调用 `/makers-agents` 技能，AI 就会自动按照平台要求的入口函数写法、联网搜索和对话记忆的接入方式来写代码。  ## AI 自主开发 确保使用了 `/makers-agents` 技能后，发送提示词，AI 就开始自主开发了。 它先加载了 Skill 中关于 Agent 开发的规范（感兴趣可以看 [官方文档](https://pages.edgeone.ai/zh/document/agents) 了解详情），然后创建项目、编写 Agent 逻辑和前端页面。  几分钟后，AI 完成了核心功能的开发，并且对代码进行了编译验证和自检。  不过由于本地没有配置 AI 大模型的 API Key，没办法完整测试对话流程。 没关系，接下来部署到 EdgeOne Makers 上，配好密钥就能跑了。 ## 部署上线 前面体验 **通过控制台** 创建模板项目时，EdgeOne Makers 自动帮我们注入了 `AI_GATEWAY_API_KEY` 和 `AI_GATEWAY_BASE_URL` 这两个环境变量。 但如果是自己本地创建项目，需要 **手动** 到 Makers 控制台获取这两个环境变量的值。  此外，由于我的 AI 投资 Agent 需要联网搜索竞品信息，还要开通腾讯云的 [Web Search API 服务](https://console.cloud.tencent.com/wsapi/index)：  先选个最便宜的套餐就行，然后获取到联网搜索 API 密钥。  拿到这些密钥后，直接把信息提供给 AI，使用 `/makers-deploy` 技能让它帮我部署： ```markdown 帮我部署上线： AI_GATEWAY_BASE_URL 是 https://ai-gateway.edgeone.link/v1 AI_GATEWAY_API_KEY 是 sk-xxxxx 联网搜索 API Key 是 sk-xxxxx ```  AI 自动设置好环境变量并进行部署。首次部署时会提醒你登录授权，跟着 AI 的提示操作就好。  很快部署完成，直接拿到了可以访问的线上地址，太方便了！  打开试试，给它发个 IDEA：做一个 AI 帮你写朋友圈文案的小程序。 Agent 进行了联网搜索，找到了好几个竞品，然后给出了评估结果 —— 白送都不要！  不愧是毒蛇金主，丝毫不留情面，我喜欢。 虽然功能跑通了，但默认模型的输出效果一般，下面咱们来换个更强的。 ## 切换模型 进入 Makers 的模型面板，添加一个新模型，比如国产之光 DeepSeek，点击添加。  需要到 [DeepSeek 的 API 开放平台](https://platform.deepseek.com/api_keys) 获取密钥，创建一个临时密钥，复制粘贴到 Makers 中保存，就可以使用 DeepSeek V4 Pro 模型了。  怎么让 Agent 用上这个新模型呢？是要改代码么？ **其实完全不需要。** 简单看下代码，你会发现，模型配置优先读取 `AI_GATEWAY_MODEL` 这个环境变量。  所以我们只需要让 AI 设置一下这个变量，然后重新部署就好了： ```markdown 设置 AI_GATEWAY_MODEL 环境变量为 deepseek/deepseek-v4-pro 重新部署 ```  部署成功后进入 Makers 控制台，可以看到环境变量已经生效了，很方便吧！  我们再来试一下同样的 IDEA：做一个 AI 帮你写朋友圈文案的小程序。 这次 Agent 进行了多轮联网搜索，最后又给出了扎心的锐评 —— 白送我都不要。  看看这通分析，明显比切换模型前的效果好多了吧？它还让我研究垂直方向…… 好，那我就接着追问：我是个程序员和 UP 猪，怎么垂直？  好家伙，这能给我投 30 万？  这个赛道分析还是有点意思的，什么叫编程教学赛道已经被头部吃干抹净，这个 ** 鱼皮是谁啊？！ 再往下看关键的变现路径，是不是跟大家想的差不多？  总结一下就是 **接广告、卖课、搞培训**。 不是哥们，这么真实吗？  ## 迭代优化 到目前为止功能已经跑通了，但我发现一个问题：多轮对话记忆好像没有生效，Agent 不记得之前聊过什么。  所以接下来要做一些优化。 先让 AI 用 Git 提交一版代码，万一改出问题也好及时回滚：  然后让 AI 进一步优化、更新已部署的网站、并通过 Browser Use 自主验证效果、修复 Bug： ```markdown 优化项目、更新部署、自主验证并修复 Bug 1. 必须支持多轮对话，用户可以根据反馈调整方案继续追问，Agent 要记住之前聊过的内容 2. 优化前端页面，禁止使用 Emoji，对标商业产品，保持 Q 版风格 3. 优化 Markdown 格式的展示 ```  AI 很快修复了代码，利用 `makers-deploy` 技能更新了线上的网站，然后自己打开浏览器对话验证。  来看看最终的效果，Markdown 的展示格式优雅多了。  而且这次多轮对话记忆也成功生效了！  你会发现，我们全程没有开通任何数据库或存储服务，对话记忆是 EdgeOne Makers 平台帮我们搞定的，它在底层管理了每个用户的对话历史，不同用户之间互不干扰。  加上之前演示的联网搜索、模型网关，这些能力都是部署上去自动就有的，我们自己完全不用操心。  此外，进入 Makers 控制台的调用链路追踪面板，你可以看到 Agent 调用次数和 Token 消耗等数据。  甚至能够看到某一次调用的完整链路日志，每一次 AI 生成和工具调用的细节都一目了然，便于优化 Agent 和排查问题。  ## 成品体验 到这里，我的 AI 投资人 Agent 就开发完成了，我可以愉快地用它来验证各种副业想法。 比如我要在闲鱼上接单： ```markdown 在闲鱼上接单，帮人用 AI 写文案/简历/小红书笔记，收费 30 ~ 100 一单 ``` 得，看来不行。  我要搭 AI 的 API 中转站： ```markdown 搭一个 AI API 中转站，帮国内用户方便地调用 GPT/Claude，赚差价 ``` 得，看来又不行！  我要做个 AI 英语口语陪练 App： ```markdown 做一个 AI 英语口语陪练 App，用语音对话的方式帮用户练口语，按月订阅 29.9 元 ``` 得，看来又又不行！！  我要摆摊卖程序员炒饭： ```markdown 我要摆摊卖程序员炒饭，通过线上拍短视频营销 ``` 呃啊，看来想搞一个好的项目 IDEA 不容易啊！  算了，还是卖课吧： ```markdown 我有流量基础，录制编程教程，在自己的平台上卖课，收费几百到几千不等 ``` 我 Chovy！！！卖课也不容易啊。  唉，钱难赚，屎难吃。 接下来，我又试了很多个 IDEA，全部都被 AI 否定了。  哼，我就不信没有办法搞出 S 级想法！  一个人的力量是渺小的，所以我决定把这个项目开源出来，大家可以直接让 AI 帮你部署到 EdgeOne Makers 上，就能随时随地验证自己的想法了，坐等一批 A 级和 S 级想法。 > 开源指路：https://github.com/liyupi/ai-investor  ## 最后 从写代码到上线，整个过程不到 20 分钟。回过头来想想，我只关注了 Agent 的业务逻辑，其他的联网搜索、对话记忆、模型网关、链路追踪这些工程化的东西，[EdgeOne Makers](https://cloud.tencent.com/act/pro/edgeone-makers-agent?from=30133) 全帮我搞定了。 AI 时代，大模型的能力很重要，但给大模型提供的这一系列配套能力同样重要。模型再强，没有靠谱的工程化支撑，Agent 也只能停留在本地 Demo 阶段。能让开发者把精力全部放在业务逻辑上，而不是重复造轮子，这是非常有价值的事。 我是鱼皮，持续分享 AI 编程干货。 觉得有用的话记得点赞收藏和关注，欢迎在评论区晒晒你们自己的副业想法和 AI 投资人的评级~