Claude Code开发者：AI Agent搭建实战经验总结

整理时间： 2026-02-28
来源： 群聊分享
整理人： AI助手

---

核心总结

这篇文章为普通人认识、理解以及动手搭建AI Agent提供了非常宝贵的实战经验和启示。

---

1. 转变视角：学会”像智能体一样看待世界”

核心观点

• 根据真实能力分配工具
• 就像给人类解题：
• 会算术 → 给纸笔
• 会编程 → 给电脑
• 能力不同 → 工具不同

方法

• 不断观察、阅读输出、实验
• 摸清模型能力底线
• 为其提供匹配的动作空间（Action Space）

---

2. 工具设计克制贪多，重在”有效引导”

常见误区

“工具越多越好” ❌

问题

• 工具越多 → 模型处理越困难
• 选择困难

原则

• 工具不仅要功能强大
  -更要符合模型的调用习惯

案例

• 团队想让Claude更好向用户提问
• 尝试修改参数、改变Markdown格式
• 结果：模型困惑、输出不稳定

解决方案

• 创建专门工具：AskUserQuestion
• 调用时直接阻塞循环，弹出结构化界面
• 效果最好：因为模型”懂得如何调用它”

---

3. 动态演进：警惕旧工具成为新能力的”桎梏”

核心观点

• 底层大模型升级 → 搭建策略也需动态调整
• 曾经弥补模型缺陷的工具 → 后来可能限制模型发挥

启示

• 定期审视和移除过时的工具
• 不要让旧设计束缚新能力

---

4. 上下文管理：用”渐进式披露”代替”被动灌输”

常见误区

把所有背景知识和操作指南一股脑塞进系统提示词
- 或依赖庞大的RAG
- 问题：沉重的上下文负担，干扰模型执行核心任务

更好的做法

赋予Agent主动构建上下文的能力

渐进式披露（Progressive Disclosure）

• 给Agent提供搜索工具（如Grep）
• 或专门的“指南子智能体”
• 当遇到不懂的设置时：
• 主动去查阅
• 只提取精确答案

优势

• ✅ 不增加复杂工具
• ✅ 扩展功能
• ✅ 保持主程序轻量和高效

---

5. 搭建Agent是一门”实验科学”

核心观点

• 为模型设计工具
• 既是艺术，也是科学
• 没有绝对严谨的死规则

决定因素

• 使用的模型
• 智能体的目标
• 运行环境

---

最重要启示

多做实验，认真阅读模型的每一次输出，勇于试错并迭代新方法。

---

一句话总结

启示	要点
视角转变	根据能力分配工具
工具设计	克制贪多，有效引导
动态演进	旧工具可能是桎梏
上下文	渐进式披露
核心方法	实验+迭代

---

要点提炼

• 🧠 像Agent一样：根据能力分配工具
• 🛠️ 工具在精不在多：符合调用习惯
• 🔄 动态调整：旧工具需定期审视
• 📚 主动上下文：渐进式披露替代灌输
• 🧪 实验科学：多实验+读输出+迭代