夜雨聆风今天做了一场AI Agent应用的小范围内部分享，2小时，7个人围坐讨论。
结束后我整理了下，把最干的实操部分分享出来。
覆盖三块内容：
- Agent工具怎么选（个人助理+干活工具各推荐一个）
- 大模型怎么换（4个核心配置要素）
- 免费/付费API中转站（薅羊毛+商业化都给你方案）
文末还有3个真实商用案例，看完你就知道AI落地到底长什么样。
一、先搞懂一个核心概念：Harness
讲工具之前，必须先说一个词：Harness（控制工程）。
很多人用大模型，写了一段提示词，期待它按要求输出。结果输出乱七八糟，就说大模型不行。
这不是大模型的问题，是你没给大模型"上套"。
大模型就像一台动力很强的发动机。你不装方向盘、不装刹车、不装变速箱，发动机轰隆隆转，车跑哪儿去你根本管不住。
Harness就是给发动机套上整车架构。
本质是：通过提示词、工作流、代码多层约束，把大模型输出控制在预设要求内。
注意——不是简单的提示词工程，是一套工程化方法。
约束分强弱：
- 弱约束：纯提示词 → 大模型会"摸鱼"，找最短路径交差，跳过你规定的流程还不告诉你
- 强约束：代码脚本 → 关键节点执行固定代码，输出稳定可控
商用场景，必须用强约束。
我之前给医院做出专业报告的模板，要求格式严格、输出严谨。纯提示词根本压不住，最后招了有代码基础的人，熬了几个通宵用代码做约束才稳定下来。
强约束的实现步骤：
1. 规范流程步骤，严禁跳过
2. 链路绑定：下一步输入=上一步输出
3. 要求输出后自检
4. 结果对比打分
5. 关键节点执行固定代码脚本（这是最强约束）
二、个人助理类Agent：推荐阿里QwenPaw
我把Agent分两类：个人助理型和工具干活型。
个人助理推荐：阿里QwenPaw。
我测了十几款同类工具，最后留下来长期用的就是QwenPaw。
核心优势：
- 开源免费
- Windows/Mac客户端都有
- 可部署到云端，手机远程访问
- 自带免费大模型，开箱即用
- 支持自定义更换模型
多Agent协同是杀手锏。
我现在不是用单一Agent，是用Agent团队。
部署成本：
- 腾讯云99元/年：四核4G，40G硬盘
- 数据盘加10G：约10元/月
- 整体年成本不到200元
我自己建了好几个专属Agent：
- 项目经理Agent
- 公众号运维Agent
- 会议秘书Agent
- 日程秘书Agent
- 财务秘书Agent
对接飞书群，自动整理会议纪要、调取资料，Agent团队的工作模式。
三、干活类Agent：推荐字节Trae Solo
干活用Agent推荐：字节的Trae Solo。
号称中国版Codex，核心优势：云端+本机+手机三端互联。
不同端的分工很清晰：
| 端 | 用途 |
|---|---|
| 云端 | 7×24小时在线当个人助理，不能换模型 |
| 本机端 | 可换模型、能操作浏览器、处理本地大文件，做具体工作 |
| 手机端 | 下发指令，连接云端+本机 |
几个让我点赞的点：
1）plan模式：执行任务前先输出计划+确认项，跟你对齐需求再执行，不会自作主张。
2）本机权限：对比豆包，Trae Solo能直接操作你的电脑。
我之前电脑输入法老自动切英文，让Trae Solo分析，它直接操作修复了。AI不再只是聊天工具，是真正的电脑助手。
3）国内友好：对比海外Codex，Trae Solo不用翻墙、不用海外手机号注册，直接手机号搞定。
小白用户友好：内置免费大模型+充裕免费额度，不需要自己买服务器。
四、大模型更换配置：4个核心要素
这是Agent的基础操作，但很多人卡在这里。
换大模型需要4个信息：
| 要素 | 说明 |
|---|---|
| API协议 | 主流两种：OpenAI格式 / Anthropic格式，不同协议Base URL格式不同 |
| Base URL | 大模型连接地址 |
| Model ID | 模型专属编号，有官方固定格式，不能乱填，必须复制官方信息 |
| API Key | 授权密钥 |
血泪教训：
不要让一个Agent自我配置。配置出错后Agent直接无法使用。
正确做法：用一个Agent给另一个Agent配置。
配置完成后一般有"测试"功能，先测一下连通性再保存。
五、免费API中转站：薅羊毛必备
1）Open Router（首选）
全球最大的第三方大模型中转站，几乎支持所有全球大模型。
最大价值：Free专区。
很多大厂会把未发布的测试模型放到Free专区供用户盲测：
- 英伟达测试模型
- GLM测试模型
- Kimi测试模型
- 谷歌测试模型
可以过滤仅显示免费模型，直接调用。
现场测试：关掉🪜依然能正常访问。
2）Open Code
本身是编程工具，附带免费大模型调用渠道。使用频次相对较低。
3）AI Lab的多模态API
目前免费开放多模态API，支持生成图像+视频。
六、付费API中转站：商业化用
1）API Mart（图像视频推荐）
最大特色：图像和视频模型齐全。
GPT-Image-2：
- 文生图
- 图生图
- 改图全功能
- 单次调用仅4分钱人民币
- 100张出图仅4块钱
出图中文错别字少，质量当前天花板。
2）字节Agent Plan套餐（高频使用推荐）
200元/月套餐：
- 10万积分
- 整合大语言模型+图像模型+视频模型+向量模型4类
- 普通使用基本够用
- 出视频单次消耗约1000多积分
两种模式怎么选：
- 日常固定使用 → 选包年套餐
- 偶尔需要多种模型 → 选中转站
七、3个真实商用案例
案例1：企业出图智能体
场景：给企业做定制化出图智能体。
功能：
- 模板上传
- 比例设置
- 参考图导入
- 企业VI规范
效果：
- 618活动海报生成：数分钟搞定
- 单次出图成本：4分钱
- 替代专职设计师部分工作
案例2：公众号自动生成智能体
场景：公众号日更压力大。
功能：
- 输入选题
- 自动撰写
- 自动排版
- 自动配图
- 推送草稿箱
效果：
- 全流程不超过10分钟
- 原本熟手半小时一篇
- 支持企业号日更
案例3：医疗减重评估系统
场景：医院减重管理项目。
痛点：
- 用户体检报告几十上百页
- 人工整理效率低
- 报告格式不统一
- 医生没法快速判断用户适合哪种减重方案
方案：
- 用户上传体检报告
- OCR识别（百度专用大模型，成本极低）
- 自动解析数据
- 生成几十页标准化评估报告
- 包含体态评估、运动安全评估、行为心理解读
- 排序列出适合的减重方案
关键点：这个项目必须用代码做强约束，因为医疗是低容错行业。
OCR用百度专用模型，成本较低。
八、两个行业判断
1）AI产业进度：还在刚开始的10%进度条。
很多人觉得AI已经成熟了，其实还早。现在只是工具门槛降低了，距离真正落地还有90%的路要走。
2）Token路线可能有天花板。
最近看到一个学术观点：两位诺奖得主提出，当前大模型依赖Token的发展路径存在天花板。
算力成本持续升高，不符合商业逻辑。
未来可能出现不需要Token的新发展路径。
九、一个真实变化：管理Agent
用AI之后我最大的感受：
原来只需要管人，现在人和Agent要一起管。
大概要花一半时间管理Agent：
- 模型切换
- Skill管理
- 结果校验
- 任务分配
我的日常：
- 微信和人聊天
- 飞书和机器人聊天
这个分工模式已经成了新常态。
写在最后
AI工具门槛降低后，稀缺的不是会用工具。
稀缺的是找到能落地的商业场景，把AI和具体业务结合创造真实价值。
工具天天在变，Agent月月在更新。
但会用工具 ≠ 能用AI赚钱。
能把AI嵌进业务流程，能用AI解决行业真问题的人，才是下一波红利收割者。
说明：本文整理自6月6日AI Agent主题分享实录（2小时），涉及的工具链接、Skill包会同步分享到内部交流群。
