——一个非工程师用 AI 把想法变成产品真实记录

写在前面

这是一篇关于如何用 AI 把一个想法变成真实产品的文章。

我不是工程师，甚至在一两个月前连代码都不会写，但最后真的通过AI做出了一款能用的工具，而且 100% 的代码是 AI 帮我写的。

如果你也曾有过「要是有这样一个xx就好了」的想法，但觉得自己不是技术人员做不出来，这里从我的经历来讲述非程序员如何通过AI实现自我定制化工具的开发，希望这个经历能给有兴趣的朋友一点经验。

────────────────────────────────

01 起点：每次用本地 Agent，都要经历一遍的痛苦

我一直在用两款本地 AI 工具工作：OpenClaw 和 Hermes。两者都很强，但有一个共同的问题——都是命令行驱动的。

说实话，最开始用终端操作还挺有「专业感」的。但时间久了，问题就来了：

前两天晚上，我对着两个终端陷入了思考：能不能做一个前端，把这些本地 Agent 的能力直接接进来，让任何人都能直接使用？

────────────────────────────────

02 从零开始：先让 Hermes 跑起来

想法有了，接下来就是动手。

我的策略是先连接 Hermes，因为它的功能边界相对清晰，先跑通一个再说。

总结了想法后交给Codex ，很快给出了修改建议。但在调试过程中，遇到了一个非常具体的问题：Hermes反馈速度极慢、任务执行状态完全不透明——我发出一条指令，不知道它是卡住了还是在思考，也不知道执行到了哪一步。

这让我意识到，光把命令封装成界面还不够。交互层的本质问题，是信息流的透明化。

于是我调整了优先级，开始在 Codex 的帮助下，逐步为 Hermes 添加执行状态回传机制：在每个关键节点，Agent 把当前进度汇报给前端，让用户能够实时看到任务走到了哪里。

这个过程并不顺利。每解决一个问题，往往会暴露下一个更深的问题。Hermes 和 Codex 形成了某种「双人 Debug」的工作模式——我在中间传递信息，一个负责定位问题，一个负责给出方案。

────────────────────────────────

03 集成 OpenClaw：探索更快的连接方式

Hermes 连接跑通之后，下一步是集成 OpenClaw。

与 Hermes 不同，OpenClaw 的连接我尝试了一种更高效的通信模式——跳过 HTTP 层的多次握手，直接通过本地端口进行更直接的请求响应。实际使用下来，延迟显著降低，交互的流畅度大幅提升。

这部分的工作量比预想的要大。OpenClaw 的接口逻辑和 Hermes 不太一样，需要针对它的特性重新设计适配层。但正因为有前面 Hermes 的经验，整个过程少走了不少弯路。

最终，Agent-HUB 实现了同时支持 Hermes 和 OpenClaw 两种 Agent 的接入，两个工具可以根据实际场景灵活切换，本地协同工作的体验终于变得顺畅了。

────────────────────────────────

04 进一步优化

自动发现：零配置连接

一想到如果使用起来需要配置那就很头疼，所以我想能不能让这个程序自己去发现本地的Hermes或者openclaw，于是开始设计和完善这个机制。

Agent-HUB 启动时，会在端口区间（默认 8000～8100）自动探测本地运行的 Agent，通过健康检查接口识别可用服务，并读取其元信息。用户不需要记忆 IP 和端口，打开即用。

自动检测本地 Agent 并支持配置

过程可见：打开黑箱

每个 Agent 的执行进度会实时回传给前端，用户始终知道当前在执行哪个步骤、是否遇到异常。对于需要长时间运行的任务，这个透明度直接影响使用体验和信任度。

系统界面

截图、文件、语音都可以直接拖入对话窗口。不需要研究 API，不需要懂命令行——工具的能力没有变，但可及性大大提升了。

两个 Agent 可以同时在线，根据任务类型灵活切换使用。共享上下文，信息不丢失。

产品交互 1.0 界面

────────────────────────────────

05 开发过程中最让我意外的事

回头看整个开发过程，有一点是我在开始之前完全没有预料到的：Codex 在其中的角色，已经超出了「辅助编程」的定义。

它不只是帮我写代码，而是和我一起分析问题、定位根因、验证方案。最夸张的一次，我把 Hermes 和 Codex 两边终端的截图同时发过去，它直接定位到了是 HTTP keep-alive 超时导致的连接问题，并给出了具体的修改参数。

Codex 执行过程

这也让我有了一个新的认识：编程的门槛确实在降低，但产品思维和需求拆解的能力反而变得更加稀缺。AI 能写出代码，但判断做还是不做、优先做哪个，依然是人的价值所在。

────────────────────────────────

写在最后

目前还是一个很早起的项目，但是验证了AI时代每个人都有发挥的机会，代码已经在 GitHub 上开源：https://github.com/shmiss/Agent-HUB

欢迎 Star，也欢迎提 Issue。如果你在使用中有任何想法或需求，欢迎多多交流，一起来探索普通人如何使用好AI 。

从想法到第一个版本，中间只隔着一个「开始动手」的决定。希望这个记录对你有参考价值。路上见。