这是什么

本周掘金上一个叫 mini-pi-agent 的开源项目让我们停下来想了一下——它的作者用约 200 行 TypeScript（一种编程语言），不依赖任何 Agent 框架（LangChain、CrewAI、AutoGen 都是当下主流方案），手写出了一个真能联网、读文件、调工具、做多轮对话的 AI Agent，连接的是 DeepSeek 的 API。

核心结构简单得让人意外：一个 while 循环（让程序不断重复运行的机制），加一层格式翻译。用户输入推进对话历史，调一次模型，模型说"我要调工具"，执行工具，把结果塞回历史，再问模型，直到模型不再要求调工具为止。

整个项目可以一句话概括：Agent 的本质是一个 while 循环，工具表（用 JSON Schema 描述的"模型能做什么"清单）定义了它的能力边界——能调什么工具、必须传哪些参数，全由这张表决定。

行业怎么看

支持者说，这篇文章最大的价值是"祛魅"——把 Agent 从玄学概念拉回到工程问题。更多人懂原理，行业才能少被 PPT 故事绑架。

但编辑部认为，这种看法过于乐观。一个能在命令行跑通的小 demo，和一个能上企业生产环境的 Agent 系统，中间还隔着大量未解决的工程问题：调用失败重试、API 鉴权（身份验证）、日志追踪、成本核算、并发安全、权限管理。这些才是 LangChain 这类框架真正在卖的东西，不是那个 while 循环本身。

更准确的说法或许是：循环人人能写，但循环之外那 80% 的工程债，才是企业真正愿意付钱的地方。Agent 框架几十亿美元的估值，卖的不是算法，而是"帮你少踩坑"的服务。

对普通人的影响

对企业 IT：别被"Agent 框架选型"这类话题绑架决策。先弄清楚核心原理，再判断要不要引入框架，能少交不少学费。

对个人职场：产品经理、技术管理者如果不懂 Agent 的工作原理，未来和 AI 团队对话时会越来越被动。重点不是会写代码，而是能判断"这个方案贵在哪、便宜在哪"。

对消费市场：当 Agent 底层原理被更多人看懂，定制化、垂直化的 AI 应用成本会继续走低。我们会看到更多小公司做出针对特定行业的小工具，而不是只有大厂的通用产品。