OpenCLI 学习 06:Agent-First 与设计重心

1. 我当前对这个项目最核心的一个判断

我现在越来越觉得,这个项目的核心是 agent-first

也就是说,它是先站在“未来软件能力会越来越需要被 Agent 调用”的前提出发,再反过来思考:

  • 接口应该长什么样
  • 能力该如何暴露
  • 什么样的形式最适合 Agent 理解和调用

在这个前提下,CLI 形式的 harness 就变成了一种非常现实的工程落地方式。

2. 为什么它不把流程写死

我当前的一个重要理解是:

这个项目不想做固定工作流系统。

它更希望做的是:

  • 把领域能力整理成结构化命令树
  • 把这些能力作为一组可组合的工具暴露出来
  • 把具体任务编排尽量交给 Agent 自己决定

所以它信任 Agent 的地方在于:

  • 让 Agent 去选命令
  • 让 Agent 去组合步骤
  • 让 Agent 去形成任务级流程

3. 但这不是“少设计”

这一点是我现在特别明确的一个修正。

不能把这个项目理解成:

  • 因为相信 LLM 很强
  • 所以就少设计
  • 甚至过度设计完全多余

这个理解是不准确的。

更准确的理解是:

它不是少设计,而是把设计重点从“预设流程”转移到了“能力接口”。

也就是说:

  • 不设计死的工作流
  • 但会高度设计命令树、状态模型、JSON 输出、Skill、反馈接口和测试机制

4. 我现在理解的真正平衡点

这个项目的平衡点不是:

  • 完全交给 Agent 自由发挥

而是:

  • 人类先设计稳定的能力边界
  • Agent 再在这些边界内自由编排

所以更准确地说:

它不是在赌 Agent 不需要设计,而是在赌“只要能力边界设计得好,任务流程就不需要被提前写死”。

5. 为什么 CLI 适合这个思路

在这个项目里,CLI 的意义不是“黑框操作”,而是:

  • 有明确命令和参数
  • 可探索
  • 可组合
  • 可输出 JSON
  • 人和 Agent 都能用

所以 CLI 很适合作为 Agent-first 接口的外在形式。

而 harness 则是让这种外在形式真正接上复杂软件能力的内在实现。

6. 我当前的一句话总结

这个项目的核心不是“为 CLI 而 CLI”,也不是“因为相信 LLM 很强所以不设计”,而是站在 agent-first 的角度,把设计重点从固定流程转移到能力接口,让人类负责设计清晰边界,让 Agent 负责在这些边界内自由编排任务。

Read more

三台机器部署 ClickHouse 高可用集群实战记录

本文是一份可发布版部署记录。真实 IP、域名、账号、密码、下载链接、业务目录名、机器唯一标识等敏感信息已经替换为占位符。命令中的 <...> 需要按自己的环境替换。 目标与拓扑 这次目标是用三台数据节点部署一套 ClickHouse 高可用集群,拓扑采用: 1 shard x 3 replicas 含义是:集群只有一个逻辑分片,三台机器都保存同一份数据的完整副本。任意一台数据节点宕机时,只要 ClickHouse Keeper 仍然有多数派,剩余节点仍可继续提供读写服务。 规划节点如下: 主机名示例地址角色ch-01<ch-01-ip>ClickHouse Server + ClickHouse Keeperch-02<ch-02-ip>ClickHouse Server + ClickHouse Keeperch-03<ch-03-ip&

By ladydd

折腾记(二):接入火山引擎实时语音 API,家庭语音助手体验直接拉满

接上篇 上一篇用全开源组件(Whisper + Hermes + Edge-TTS)搭了个语音助手,能跑,但体验就是"能用"二字: * 中文识别只有 70 分,方言基本歇菜 * 英文唤醒词"Alexa"喊着别扭 * 说完到回复要等 4-8 秒 * 它说话的时候你插不了嘴 这些问题靠堆开源组件很难根治。于是我去试了火山引擎(字节跳动)的语音服务,结果直接换了条路。 这篇分两段:先讲怎么用火山引擎的 ASR/TTS 替换掉开源组件(小改),再讲怎么上端到端实时语音模型(大改)。 第一段:先把 ASR 和 TTS 换成火山引擎 为什么换 我用豆包输入法的时候发现它语音识别准得离谱。一查,豆包用的就是字节自家的火山引擎 Seed-ASR。开通后有免费额度(

By ladydd

折腾记(一):用全开源组件给家里搭一个语音助手,对接自己的 Hermes Agent

起因 事情是从一块 ESP32-S3 开发板开始的。 我手上有一块 Seeed Studio XIAO ESP32-S3 Sense,带摄像头和麦克风。最初的想法很美好:用这块板子做一个无线语音终端,对着它说话,连到我服务器上跑的 Hermes Agent(一个自托管的 AI agent),让它回答我。 但折腾到一半我突然意识到一件事:我的麦克风、音响、服务器全在家里,为什么要绕一圈用 ESP32?直接把麦克风和音响插到服务器上不就行了? ESP32 那条路(做无线拾音终端)当然也有价值,但那是"为了学嵌入式而学",不是解决问题的最短路径。于是这个项目就从"嵌入式项目"变成了"在服务器上拼一个语音助手"。这篇就记录后者。 教训零:先想清楚你要解决的是什么问题。很多时候最优解比你最初设想的简单得多。 目标

By ladydd

Kiro 的三种代理设置方法:本地、服务端、Remote

作为kiro的骨灰级用户,这篇是我自己折腾 Kiro / Kiro Remote / Ubuntu Server 代理问题后的复盘。 核心不是“怎么配一个代理”,而是先判断:到底是谁在访问外网? 谁访问外网,代理就要配给谁。 0. 先说结论 Kiro 相关代理大概分三类: 场景真正访问外网的进程在哪里代理应该配在哪里本地 KiroWindows / Mac 本机本机 Clash / Proxifier / 系统代理服务端 Kiro / CLIUbuntu Server 上的 shell、CLI、node、kiro 进程Ubuntu 的环境变量,比如 HTTP_PROXY / HTTPS_PROXYKiro Remote远程 Ubuntu 上的 ~/.kiro-server 和 extensionHost远程 Ubuntu 的 Kiro Server

By ladydd
陕公网安备61011302002223号 | 陕ICP备2025083092号