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。

macOS · Windows · 免費

產品的另一面。　「記住你的偏好」「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、迴圈控制、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

132

個內建工具
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

大工程模組
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，使用者無感

🔄Agent Loop

主迴圈配了防卡死機制：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

五層壓縮流水線：裁剪 → 掐除舊結果 → 微壓縮 → 折疊 → 自動全量壓縮，使用者的原話最後才動

🧠長期記憶

「見面就記住你」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：身分、環境、工具指引各自獨立；穩定層放前面最大化快取命中；Skill 檔案即配置

👥多 Agent

並行子代理 + 多角色腦力激盪 + 定時任務，Alice 的「朋友」們就是一個 Agent 協作網路

🔐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訊息的 Token / 成本追蹤

🔌MCP 實戰

雙向 MCP：既消費別人的工具（懶連線，不用不連），也把自己暴露成 MCP server，甚至能自己配置新連線

這一章你能學到什麼

「調通 API」和「使用者能用」之間差了什麼？

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 裡看不到的。

Agent 為什麼會卡死、跑飛、燒錢？

迴圈失控的典型模式，以及上限、檢測、降級三類防呆設計——產品經理該在哪裡畫線。

對話越長越貴越笨，怎麼辦？

上下文壓縮的決策框架：什麼能刪、什麼不能刪、什麼要花錢壓；長期記憶怎麼篩選、衝突、注入。

Prompt 怎麼從一坨文字變成可營運的架構？

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。

什麼時候需要多個 Agent？代價是什麼？

並行、腦力激盪、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。

怎麼給 Agent 上韁繩、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 裡真實跑著。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」——包括那些教程裡不會寫、只有上了生產環境才會遇到的坑。帶著「如果是我的產品，我會怎麼決策」的問題往下看，收穫最大。