AI Agent实战复盘：哪些决策是对的，哪些是错的？

去年秋天，我蹲在出租屋里，对着刚上线的闪仓进销存发呆。用户量是个位数，Bug 倒是两位数。我心想：加点 AI 吧，说不定能救活。于是，我花了两周时间，用 OpenAI API 接了个聊天机器人进去。上线第一天，用户问：“帮我查一下库存。” 机器人回：“对不起，我还在学习。” 我当场裂开。

为什么说“别过早接入 AI”是个血泪教训？

因为核心功能都没做好，AI 只是花架子。

当时闪仓进销存刚做完采购和销售模块，库存盘点还有 Bug。我本应先把基础功能打磨好，却跑去搞 AI 助手。结果呢？AI 回答得再智能，用户也找不到他想要的按钮。后来我花了三个月重构 UI，用户留存率才从 15% 提到 35%。^[1]

这就像 RPG 游戏里，你连新手村都没出，就跑去挑战最终 Boss。技能树都没点满，装备还是木剑，怎么可能赢？

技术选型：为什么我选 API 而不是自建模型？

因为对于独立开发者，API 是性价比最高的选择。

我见过不少同行，一上来就要训练自己的模型。说实话，那烧钱速度比健身房请私教还快。我用的是 OpenAI 的 GPT-4 API，按 token 计费，一个月才几十美金。GitHub 2024 报告显示，AI 辅助编程工具使开发效率提升 30-55%^[2]，但那是 Copilot，不是自己搞个大模型。

当然，API 也有坑：延迟高、依赖第三方、数据隐私。后来我用 Cloudflare Workers 做了一层缓存和路由，把常用查询的响应时间从 3 秒降到了 500 毫秒。

产品定位：AI Agent 应该解决什么问题？

它应该解决高频、低复杂度的问题，而不是替代人的判断。

一开始我让 AI 做所有事：库存预测、采购建议、甚至客户投诉。结果它预测的库存误差能达到 50%。后来我把 AI 的职责缩小到三个场景：

这就像健身时，你不能指望深蹲帮你练出腹肌。每个动作有它的目标肌群，AI 也一样。

架构设计：为什么我后悔没早点做模块化？

因为耦合的代码就像一团乱麻，剪不断理还乱。

最初我把 AI 逻辑直接写进了业务代码里。后来要换模型供应商，才发现改一处要动十处。我花了整整一周重构，把 AI 拆成了独立的微服务，用消息队列通信。现在换模型就像换手机壳，几分钟搞定。

这个教训让我想起尼采的话：“成为你自己”——你的架构也要成为它自己，而不是别人的附庸。

回顾：我做对了什么，做错了什么？

做对的事：快速验证、聚焦场景、开放心态。做错的事：过早复杂、忽略基础、贪大求全。

现在闪仓进销存的 AI 助手月活跃用户 40%，用户反馈最多的不是“AI 好聪明”，而是“这个功能真有用”。我终于明白，技术再炫，不如解决一个真实痛点。

要点回顾

• 别在核心功能没完善前搞 AI，那是空中楼阁
• API 是独立开发者的好朋友，自建模型是巨头的游戏
• AI 要解决具体问题，别指望它万能
• 架构模块化，不然改起来想哭
• 用户要的是“有用”，不是“聪明”

---

参考来源

1. Stack Overflow 2024 开发者调查 — 开发者角色与技术栈分布数据
2. GitHub Octoverse 2024 报告 — AI辅助编程效率提升数据
3. Gartner 技术趋势 2025 — SaaS市场增长趋势