我用过六个 AI 智能体框架:Trae、OpenCode、OpenClaw、PiAgent、Codex、zCode。这篇不逐个罗列功能,只复盘一件事——我为什么从”重度自研编排”一路收敛回”AI 作为高质量执行者”的极简定位。结论先放:各框架功能都已完善,差距不大;真正决定效率的不是框架,是使用姿态。

框架选择:一个反复出现的取舍

每个框架我都有明确的转向理由,不是喜新厌旧。

框架用它解决了什么为什么没留下
Trae早期可用闭源,不支持 hook,想做深度改造或扩展几乎无门
OpenCode + OhMyOpenCode 插件解决了 Trae 的封闭OhMyOpenCode 不稳定,且过度编排、过度规划严重
OpenClaw那时少数支持微信、飞书等手机端访问过度设计:Memory / Skills / Tools 一堆 MD,默认注入 29 个工具——我用过的提示词开销最高的框架
PiAgent可靠、好用没离开,至今仍是我自由选择时的首选
Codex尝试不满意,没觉得比其他框架有明显优势
zCode在用没太多抱怨;选它只因 GLM 套餐的 1.5 倍额度

一条规律贯穿始终:可控性优于封闭的便利。Trae 闭源断掉的不是某个功能,而是”按自己的方式扩展”的可能;OpenClaw 的 29 个默认工具不是能力,而是强加的上下文负担。我宁可要一个能让我自己决定注入什么的框架。

转向极简:只需要四个原语

OpenClaw 之后我明确转向极简主义。大多数场景下,我不需要复杂插件、注意力机制、上下文注入,也不需要动态提示词压缩。牢牢抓住四个原语就够了

  • AGENTS.md —— 给智能体一份明确的工作说明
  • 子智能体 —— 把大任务切成可并行、可审查的小块
  • Skill —— 把可复用的能力封装成可调用的模块
  • 斜杠命令 —— 让输入更快、更准

这四个原语在 PiAgent 上我曾重度实践过:自研了三个本地插件包(worktree 编排、模型路由、搜索桥)、写了 /deep 对抗式编排流程、给八个子智能体角色分别定制模型、落了十一个 Skill 和十个 /wt-* 斜杠命令。这套东西确实能跑,也确实可靠。但它也让我看清一件事——编排本身的复杂度,本身是一种开销

我搭过一支”24 小时团队”,然后放弃了

那套编排的终点,是我用 Pi 配合 n8n 搭的一套全异步自动开发平台:scout / worker / reviewer / planner 四个角色,六个定时器常驻轮询 issue 队列,目标是 7×24 无人值守开发。

它跑得起来,但效率不高。原因很直接:提示词开销很高,收益却有限。常驻的编排意味着持续的上下文注入,而自动产出的大量代码仍要人去 review、去测试、去回滚。算下来,与其让这套系统自己转,不如我直接介入。

这条偏好贯穿全文

解决问题是唯一目标——无论是自己做还是用 AI,怎么用 AI,最终都只指向这一件事。

AI 的定位:执行者,不是决策者

搭过那套团队之后,我对 AI 的要求重新收敛:它是一个高质量的执行者。分工是这样的——

  • :给出清晰的架构设计和路线图;
  • AI:把我的想法变成事实。

具体说,我不需要 AI 有很强的设计能力和创新,也不会让 AI 完全自主地做长程开发。相反,我会花大量时间 review AI 写的代码和文档,并亲自测试

这也是为什么我说”各框架差距不大、功能都已完善”——当 AI 被定位成执行者,框架之间那点能力差异就被我的介入抹平了。智能体的发展在我看来已经到达一种稳态:功能都够用,继续加码必然走向 AI 的全自主开发。

但全自主开发不是一个高效方向

我始终认为全自主开发称不上高效。几个判断:

  • 收益是否线性:让 AI 连续工作 8 小时,需要它工作更久吗?我倾向于认为收益是边际递减的。
  • 更可能失控:时长越长,越容易偏离初衷、陷入泥潭。
  • 代码腐烂:长时间无监督的产出,质量会持续下滑。

而现实是,简单的提示词引导就能让 AI 高质量干活。我不需要复杂编排,只需要一段清楚的指令:

并行调用 10 个子智能体,每一轮开发完成后,每个子智能体的工作都派一个子智能体审核,总共进行 10 轮,按瀑布式推进,依据我提供的开发文档执行。

这是一个最简化的描述方式——我只要这样讲,AI 就能长时间高质量地工作。需要做很多复杂编排吗?其实并不需要。

收尾

这套用法有它的局限:我承认自己是个重度介入的开发者,架构和路线图都要自己定,review 和测试都不外包。它不适合追求”按下启动键就走人”的人。

但在我的约束下,每个选择都是可解释的:框架选可控的,编排选够用的,AI 当执行者用。智能体框架之间的差距没有厂商宣传的那么大;真正拉开效率的,是使用姿态——而使用姿态,是我自己的事。