實戰 · 從 Demo 到產品
本章從哪來：Alice 開發實錄
這一章不是論文綜述，也不是教程搬運——它是我開發 AI Agent 桌面應用 Alice 的一手經驗總結。接下來每一節課的背後，都有一段真實踩過的坑。
AI 助理
Alice
一個既懂行又懂你的 AI 助理
她會記住你的偏好，幫你處理工作與生活中的任務。需要時，她會召集不同領域的專業 Agent，一起把任務推進到完成。
產品的另一面。 「記得住你嘅喜好」「召集不同領域的專業 Agent」——官網上的每一句宣傳語，背後都是一套真實的工程系統：長期記憶、多 Agent 協作、循環控制、上下文壓縮、權限審批、MCP 雙向生態。本章就是把這些系統逐一拆開給你看。
用數字認識 Alice
~500,000
行程式碼規模
Electron + React + TypeScript
Electron + React + TypeScript
132
個內置工具
按需注入，不全塞
按需注入，不全塞
10+
家模型供應商接入
三協議適配 + 統一路由
三協議適配 + 統一路由
8
大工程模組
與本章小節一一對應
與本章小節一一對應
本章 8 個小節 = Alice 的 8 個真實模組
AI 生圖
Alice 的形象要靠生圖保持一致——多模型降級鏈 + 墊圖錨定角色，模型掛了自動切換，用戶無感
Agent Loop
主循環配了防卡死機制：流失敗四級恢復（限流退避 → 換模型 → 斷點續傳 → 可區分報錯）、工具失敗熔斷、會話防重複派單
上下文管理
五層壓縮流水綫：裁剪 → 掐除舊結果 → 微壓縮 → 摺疊 → 自動全量壓縮，用戶的原話最後才動
長期記憶
「見面就記得住你」的背後：守門員篩選什麼值得記、向量檢索 + LLM 判定新增 / 合併 / 衝突、檢索命中才注入
Prompt Harness
System Prompt 分層組裝：身份、環境、工具指引各自獨立；穩定層放前面最大化緩存命中；Skill 文件即配置
多 Agent
並行子代理 + 多角色腦暴 + 定時任務，Alice 的「朋友」們就是一個 Agent 協作網絡
權限與安全
五級權限模式 + 風險分級審批彈窗，配套事件流日誌和每條消息的 Token / 成本追蹤
MCP 實戰
雙向 MCP：既消費別人的工具（懶連接，不用不連），也把自己暴露成 MCP server，甚至能自己配置新連接
呢一章你可以學到啲咩
「調通 API」和「用戶能用」之間差咗啲咩？
以生圖為例走一遍產品化清單：降級、兜底、一致性、體驗，每一項都是 Demo 裏看不到的。
Agent 點解會卡死、跑飛、燒錢？
循環失控的典型模式，以及上限、檢測、降級三類防呆設計——產品經理該喺邊度畫綫。
對話越長越貴越笨，點算？
上下文壓縮嘅決策框架：邊啲可以刪、邊啲唔可以刪、邊啲要花錢壓；長期記憶點樣篩選、衝突、注入。
Prompt 點樣由一坨文本變成可運營嘅架構？
分層管理、按需載入、Skill 模組化，以及提示詞改動和 KV Cache 之間的微妙帳本。
幾時先需要多個 Agent？代價係咩？
並行、腦暴、定時任務三種真實場景，以及併發安全與成本陷阱的判斷方法。
點樣畀 Agent 上繮繩、接生態？
權限分級與 Human-in-the-loop 的平衡點，可觀測性，以及 MCP 雙向生態的接入策略。
本章的每一個知識點，都在 Alice 裏真實跑着。所以你學到的不是「理論上應該這樣」，而是「實際做下來是這樣」——包括那些教程裏不會寫、只有上了生產環境才會遇到的坑。帶着「如果係我嘅產品，我會點樣決策」的問題往下看，收穫最大。