9分钟讲透AI Agent栈：Swyx在DevDay的硬核清单

如果你以为做AI Agent需要博士级研究背景，Swyx用9分钟把这个幻觉击碎：真正决定成败的不是模型，而是你脑中那张“Agent栈”的地图。这场DevDay分享，把过去一年社区最有效的实战经验压缩成一份工程师可直接复用的清单。

他一开口就摊牌：时间不够，但你们的野心要够大

这不是一场循序渐进的技术分享。Swyx上来就说自己“被不断压缩时间”——25分钟变15分钟，再到10分钟，最后只剩9分钟。于是他的策略很激进：不给你讲完整过程，只给你一张足够大的地图。

更炸的是他的个人目标：把新加坡变成一个“AI 工程国家”。不是AI研究强国，而是工程国家。这背后隐含的判断很明确——今天的门槛，已经从“能不能训练模型”，变成了“你会不会用现成的基础模型，组合出真实可用的系统”。

他反复强调一句话的潜台词是：基础模型已经把能力开源到了一个危险的程度，工程师如果不去用，才是真正的浪费。这也是他为什么要给所有人“布置作业”：所有内容都公开、都能查到，差别只在你有没有形成自己的理解框架。

AI Agent不是玄学，是一套可以拆解的工程栈

Swyx给出的Agent定义，源自Lilian Weng的经典公式：LLM + Memory + Planning + Tools。但他很快补了一刀：公式重要，工程感更重要。

在他的脑图里，真正能落地的Agent系统，至少要分成几层来看。第一层是开发者工具和入口：你需要清楚“这个Agent到底替谁完成什么工作”。没有清晰的Jobs to be Done，后面全是空谈。

第二层，是当下增长最快的部分：记忆与知识。向量数据库大家已经很熟，但他特别点名了一个趋势——知识图谱正在重新回到舞台中央，尤其是在Graph RAG的讨论里。原因很简单：当Agent开始处理复杂关系时，纯向量相似度不够用了。

第三层，也是最模糊、但提升最明显的，是规划和多Agent。Swyx给了一个非常“工程师视角”的判断：多Agent可能是当前最简单、但收益最大的性能提升方式。不是因为它优雅，而是因为它允许你把复杂问题拆解，让不同Agent各司其职。

最后一层是工具与编排：代码解释器、沙盒环境、浏览器控制、自问自答（Self-Ask）或ReAct循环。这些听起来零散的组件，组合起来，才是一个真正能“干活”的Agent。

从钢铁侠幻想到现场Demo：为什么“多一个Agent”就不一样了

Swyx承认自己深受《钢铁侠》启发——不是酷炫界面，而是“把想法直接说出来，系统就开始执行”的感觉。于是他现场展示了一个小实验：用一个现成工具生成一个类似Space Invaders的小游戏。

第一次生成的结果“能跑，但不像”。于是他没有继续堆提示词，而是加了第二个Agent，并且明确引入规划阶段。原本混在一起的三重需求，被拆解成可管理的步骤。

这里的关键洞察是：当你引入Agent的规划能力，本质上是在把提示工程从“一次性魔法”，升级为“可迭代的工程流程”。你不再指望一句prompt命中一切，而是允许系统分步思考、逐步修正。

在互动环节，他甚至直接让观众提需求，现场“把功能说出来”。这种人机协作的状态，才是他想强调的未来形态：工程师不消失，但表达方式正在改变。

总结

Swyx这9分钟真正想传递的，不是某个工具或框架，而是一种工程心态：AI Agent已经不是实验室玩具，而是一套任何软件工程师都能掌握的组合技。你不需要成为模型专家，但你必须在脑中建立清晰的Agent栈地图。

对你来说，最直接的行动建议只有三个：第一，停止只聊模型参数，开始画自己的Agent架构图；第二，认真对待“记忆”和“规划”，它们往往比换模型更值；第三，尝试多Agent拆解复杂任务，而不是无限拉长prompt。

如果说这场分享有什么野心，那就是把“我会用AI”升级成“我能工程化AI”。问题只剩一个：你准备什么时候动手？

关键词： AI Agent， 大语言模型， RAG， 向量数据库， 提示工程

事实核查备注： 需要核查：1）演讲者姓名是否为 Sean / Swyx；2）DevDay 2024 的具体日期与该视频发布时间；3）Lilian Weng 对 Agent 的原始定义表述；4）演示中提到的 bolt.new 是否为准确名称