百行代码从0手写一个Agent：拆解OpenClaw神话的极简实现

近来 OpenClaw、Hermes Agent 等智能体产品在社交平台被反复热议，甚至被冠以"电子爱马仕"的名号。但一位 B 站 UP 主给出了一个冷静的判断：这些产品从本质上讲，不过是功能更复杂、展现形式更花哨的 Agent 而已。他用不到两百行代码，手把手复现了一个具备核心能力的智能体，试图打破网络上的过度神化。

本文基于该视频内容整理，梳理 Agent 的六个构建步骤，并附带一份从零转行 AI 应用开发的学习路线参考。

Agent 的本质：一个 while 循环里的大模型调用

编写 Agent 的第一步，是"造一颗聪明的大脑"——也就是调用大模型。作者指出，调用大模型通常走模型服务商的接口，省时省力。接口主要分 OpenAI 和 Anthropic 两种主流格式，写法大同小异，其他厂商大多兼容这两种，用哪个都行。

填入 API Key、选好模型作为大脑，输入进去、回答出来，大约 20 行代码就能完成一次大模型调用。但问题随之而来：程序回答完就结束了，想再聊得重新执行。解决办法是把核心调用代码嵌进一个 while 循环——回答完还能继续输入，与模型的长期对话就此实现。

这一步揭示了 Agent 最底层的骨架：所谓智能体，很大程度上就是把一次性的模型调用，包进一个可持续运行的循环里。

记忆与灵魂：history 数组和系统提示词

仅有循环还不够。作者演示了一个经典问题：问模型"1 加 1 等于几"，它答 2；再说"再加 1"，它就懵了，开始猜你原来是多少。原因在于每次对话都是没有记忆的单次会话，模型不记得上一轮说了什么。

解决方案是创建一个 history 数组，每轮把用户输入和 AI 回复依次存进去，下一轮一起传给模型。这样 Agent 就有了连续的上下文记忆——再问"1 加 1"答 2，"再加 1"答 3，"再加 5"答 8，每一轮都被保存下来。

有了记忆，Agent 已经接近网页版 AI 聊天。但作者认为它还缺少灵魂，于是加入系统提示词，类似 Claude Code 里的 CLAUDE.md、OpenClaw 里的 SOUL.md，用来赋予人格与行为规范。他给模型设定了"大内太监总管"的人设，要求语调谦卑、称呼"皇上"、每次回复前带上"奉天承运皇帝诏曰"，模型果然完整符合人设作答。系统提示词的作用，正是让千篇一律的 Agent 拥有差异化的性格与约束。

系统提示词（System Prompt）在技术实现上是一条特殊的消息，通常以 role: "system" 的身份出现在对话历史的最前面，每次请求都会原样传给模型。与用户消息不同，系统提示词不显示在对话界面中，却对模型的整体行为起到最高优先级的约束作用。主流模型服务商对系统提示词的处理方式略有差异：OpenAI 系列将其作为独立字段传入，Anthropic 的 Claude 则将其视为对话的第一条消息。正是因为系统提示词在每轮对话中都会被读取，它也是注入人格设定、安全规则、输出格式要求和领域知识的最常用位置。OpenClaw 的 SOUL.md、Claude Code 的 CLAUDE.md，本质上都是把一份文本文件的内容在运行时动态写入系统提示词，从而实现可配置的"个性"。

工具调用：给 Agent 一根钓鱼竿

即便有了记忆和人格，当作者让模型"看看桌面上有什么文件"时，它依然爱莫能助。原因很直接：它没有工具。就像让人去钓鱼却不给鱼竿。

实现方式是定义一个 Tools 数组，写清命令行工具的名字、描述和参数，挂到模型调用参数里。模型在上下文中读到工具后，需要用时就把命令放进执行函数，拿到结果以 ToolResult 扔回下一轮对话；模型接着思考，还需要就再调，直到不需要才输出最终回答。

作者实测让 Agent 汇报桌面文件，它成功执行了命令，虽然结果与实际桌面有小出入，但工具调用链路确实跑通了。一旦具备命令行能力，创建文件、编写代码、查看项目、配置环境——整台电脑都能被它操控。这也是 Agent 从"聊天机器人"迈向"能干活的助手"的关键一跃。

工具调用（Tool Calling，也称 Function Calling）是大模型厂商在 API 层面提供的标准能力。其工作原理是：开发者在请求体中声明可用工具的 JSON Schema（包含工具名、描述、参数类型），模型在推理时若判断需要某个工具，就不直接输出文本答案，而是返回一个结构化的"工具调用请求"，注明要调用哪个工具、传什么参数。程序捕获到这个请求后，在本地真正执行对应函数，再把执行结果以 ToolResult 消息的形式追加到对话历史，触发下一轮模型推理。整个过程可以迭代多次，直到模型不再请求工具为止。这种设计的关键在于：模型本身不执行任何代码，它只负责"决策"调用哪个工具；真正的执行权始终留在开发者控制的宿主程序中，这也是工具调用比直接让模型输出代码并 eval 更安全的原因。

Skill 与渐进式披露：让 Agent 自我进化

工具调用之后，Agent 已经相当强大，但对比 OpenClaw 和 Hermes，它们持续进化的关键在于 Skill。这是作者补上的最后一块拼图。

谈到 Skill 就绕不开"渐进式披露"。作者解释，之所以不把长文档一次性全塞给模型，是因为上下文长度有限，全部塞入会占用上下文、造成"上下文腐烂"，导致幻觉增多、能力下降。正确做法是只把技能名和一句话描述放进上下文，让 Agent 按需加载——用到了再去读对应目录里的 Skill.md，用不到就只留名字和描述。

代码上，定义技能目录和技能加载器，把所有技能描述注入系统提示词，再用一个 LoadSkill 工具按名称加载。实测中，Agent 能报出网络搜索、创建技能、命令行、网页抓取等能力，并在被要求搜热门新闻时先加载网络搜索技能、再调用网页抓取工具。

一个有趣的细节：由于训练语料截止在 2024 年，Agent 一度以为"今年就是 2024"，作者纠正它"现在已经是 2026 年"后，它立即搜回了最新新闻。这恰好说明外部工具与技能对弥补模型知识时效性的价值。

「上下文腐烂」（Context Rot）是指随着对话历史或注入文档不断增长，模型对早期信息的关注度下降、回复质量退化的现象。研究和实践均发现，当输入长度接近模型上下文窗口上限时，模型更容易忽略中间部分的内容（即"中间丢失"问题），进而产生幻觉或遗漏关键约束。渐进式披露（Progressive Disclosure）正是应对这一问题的工程策略：将大量知识拆分成独立的 Skill 文档，平时只在上下文中保留简短的索引（名称 + 一句话描述），仅在 Agent 判断需要某项技能时才动态加载完整内容。这与操作系统的按需分页（Demand Paging）思想异曲同工——不是把所有内容预加载进内存，而是用到时再换入，用完可以换出，从而在有限的上下文窗口内维持较高的信噪比。

极简 Agent 的组成清单

作者最后做了代码量对比：只有工具调用能力的初级版 Agent 仅 72 行；加上命令行执行、网页抓取、技能加载三项工具的中级版也不过约 200 行。

把 Agent 拆开看，其实就那几个部分：工具调用、技能加载、上下文记忆，再加一个系统提示词。把模型核心调用嵌进 while 循环，把模型回答嵌进工具调用循环，一个 Agent 就搭建完成了。

作者也坦承，这只是最简版本，比起 Anthropic 的 Claude Code、OpenAI 的 Codex 那种极致工程化的智能体仍有不足。但亲手搭建一个小智能体，对理解 Agent 的运作机制无疑大有裨益。

附：两个月转行 AI 应用开发的路线参考

视频同时给出了一份学习路线，作为参考（薪资等表述为作者个人观点，非普遍标准）：

• 第一阶段 打基础：Python 主流库，吃透 RAG、向量库、LangGraph、Agent、提示词工程、大模型 API 和微调。
• 第二阶段 做项目：兼顾原生潜能，走通从 0 到 1 的流程——AI 编排、MCP、部署，成为项目骨干。
• 第三阶段 做优化：学大模型原理、KV 缓存、混合检索、召回率，再做微调、强化学习、数据清洗与评测集。
• 第四阶段 Agent 集群：路由、跨 Agent 记忆、可观测性、测试健全，对应企业级刚需。

需要提醒的是，视频中"两个月拿下 40K offer"属于个人经历分享，转行难度因人而异，理性看待即可。真正有价值的，仍是像手写 Agent 这样把黑箱拆开、理解底层机制的实践过程。