ai

如何从零开始实现一个 人工智能代理命令行工具

几个月前我决定从零开始造一个 人工智能代理命令行工具——一个能像 Claude Code / Codex CLI / Gemini CLI 那样在终端里读代码、执行命令、修改文件的工具。 一个能演示核心循环如何运作的最小 demo，只有 50 行代码。它能在终端里跟用户对话、按需调用工具读文件。但 demo 也仅限于演示循环本身——要让 agent 跑在生产环境里，外面还要包一层工程框架：上下文压缩、权限模型、流式输出、错误恢复等等。这篇文章讲的就是如何把这一层外围工程拆开来看——一个 人工智能代理命令行工具 从「能跑」到「能托付任务」之间，到底要补齐什么。 一、先看一个 50 行能跑的最小 agent 直接上代码。下面这段 TypeScript 用了 Vercel 的 AI SDK 和 DeepSeek 的模型，一共 50 行左右，已经是一个能在终端里和用户对话、能调用工具读文件的 agent： // hello-agent.ts import { deepseek } from '@ai-sdk/deepseek'