从零打造个人 AI Agent 产品：一个独立开发者的完整实践路径
如果你是一个不太懂代码的开发者，却想做出自己的 AI Agent 产品，这场分享或许能帮你打开一条新路。独立开发者成峰在 WaytoAGI 社区的直播中，完整展示了他如何基于 Claude Code、MCP 和提示词工程，从零构建出作图 Agent、时间追踪器、人生教练等多个可用的 AI 产品。本文适合想用 AI 编程但尚未找到合适路径的产品经理、自媒体人和独立开发者阅读。
一个核心思路：把 Agent 封装成页面
成峰分享的第一个产品是一个「作图 Agent」，它的核心由三部分组成：案例库底层（提示词）、终端（如 Claude Code）和工作流。用户选中一个案例提示词后，系统会将其与用户需求结合，生成工作流提示词，再交给终端里的 Agent 去执行。
这个产品最大的特点是：把原本纯聊天窗形态的 Agent 操作，做成了页面形态。成峰解释，如果直接把提示词丢给用户，很多人不会用，感知也很浅，「本质上这个 Agent 它其实还是需要一个前端页面的」。他把 MCP 的配置也做成了页面，用户只需要输入自己的 API Key，点击重新配置，Agent 就会自动完成部署。
在实操演示中，成峰输入标题「今晚 WaytoAGI 直播」，系统自动汇总提示词并运行，Agent 会拆解任务、调用生图 MCP 生成图片，再通过 AI 编程能力把图片组装成 HTML 封面图。他特别提到，背后调用了多种 MCP，不同 MCP 对提示词的语言要求不同：「Nano Banana 是比较喜欢英文的提示词的，对于英文提示词的效果比较好，然后像吉梦的话，它其实中文是没有关系的」。
标准驱动开发：先写文档，再让 AI 写代码
成峰反复强调一个方法论：标准驱动开发。他不是从代码角度去写产品，而是从产品角度先写一份完整的提示词文档，再让 Agent 去生成代码。
「我们写一个提示词，他就能够直接去构建出来一个产品。」但前提是提示词要足够完善，包含产品的定位、名称、核心逻辑。他建议用 ASCII 线框图替代图片来描述界面布局，也可以用文字描述。这份文档是他和 AI 一起迭代出来的，「一共写了 6 版，每一版我都会增加一点东西」。
写文档的好处在于改动成本低：「我们直接写代码的话，其实改动成本是非常高的。但是如果我们一个个去看，一个个去抠里面的这些细节，先把它写成一个文档，这样的形态就好很多了。」他估算，用这种方式生成一个完整程序，大概只需要改三四次。
这份文档的核心设计包含三个部分：
系统框架设计：包括用户界面层、MCP 管理、数据编辑管理等抽象层。用户在主界面操作，生成命令通过通信层给到 Agent，Agent 调用 MCP 和数据服务，再返回结果给主界面。
交互流程设计：以 Node.js 为例，打开服务后显示界面，用户选择并发送给 Agent，Agent 组合提示词并执行命令。成峰建议把交互流程写成步骤形式，方便理解。
前端页面设计：让 Agent 直接设计前端页面，根据需求调整展示效果。比如数据分析可视化页面，可以让 Agent 直接做符合自己需求的页面，数据存成 JSON 文件即可。
工具选择：Claude Code 与千问的取舍
成峰认为，对于小开发者或不太懂代码的人来说，Claude Code 是当前主流的 Agent 工具，学习成本低，可以直接用它做简单的加 MCP 产品，无需依赖 N8N、Dify 等平台。「它可以问什么它就答什么，相对而言学习成本是很低的，它是一步步给我们讲的。」
关于费用，他特别提醒：Claude Code 的 Agent SDK 需要使用 API，费用很高，「不是一般像我们这种用量的话消耗太大了，可能一天就要几百美金出去了」。而 Claude Code 本身可以直接用 Pro 账号的包月额度，更划算。
对于国内用户，他推荐了千问的 CLI 工具：「千问的代码生成能力其实也是不错的」，通过特定站点登录可以获得每天 1000 次的免费次数。他建议新手先下载一个叫「翠」的工具（一个中文界面的终端壳），登录后利用免费的千问进行操作，把文档扔给 Agent 让它帮忙完成下载和指导。
行业判断：模型越来越贵，本地化 All in One 是趋势
成峰分享了他对行业趋势的判断：「好的模型会越来越贵。」他观察到 GPT-4 价格没有下降，国内模型虽有降价但大量使用成本仍然不低。因此他选择本地开发、All in One 的模式来节省成本。
「未来我们可能基于电脑，可能是有一个 AIOS，或者说 AI 系统，我们可以管理多个账号，就像我们的电一样，统一有一个接口，然后我们可以给它插上多种电器。」他认为，未来只有高频且壁垒厚的产品才值得单独付费，其他产品都应该调用本地统一的 Agent 能力。
他注意到 Anthropic 的动向：「它推出了 Claude Code，不止做一个 IDE，并且做了一个 Python 的框架，也开放了 MCP」，认为 Anthropic 想做的是一个 AI 系统，这也影响了他自己的产品路径。
个人实践：三个 Agent 程序
成峰目前实践了三个 Agent 程序，全部通过 Claude Code 实现：
时间追踪器：支持三种模式——产品更新模式、Web 交互界面模式、Agent 对话模式。可以通过传统页面输入，也可以通过 Chatbot 的 Agent 能力记录，还能通过手机端调用。他对比了百度的秒搭：「秒搭它应该是运行在网页端的，网页端现在执行不了这个操作」，而本地运行的时间追踪器可以。
人生教练：包含多个 Sub Agent（子 Agent），当用户提问时，系统会从子 Agent 中挑选合适的进行回答。每天的记忆会整理成文件，需要时从中调取。
知识库：把日常收集的资料全部存在本地，通过 Chrome Devtools MCP 获取网页内容。「我把这个公众号链接复制到这里面，然后让它用这个 Chrome Devtools MCP 直接就把它的所有内容都获取下来了。」他还可以让 Agent 写脚本注入浏览器，自动播放视频完成任务。
成峰强调本地化的优势：「我们这些文件都存在本地的，对吧？我们都存在我们的电脑的硬盘里面」，切换底层模型时不需要迁移数据。他使用的是 Mac mini（2800 元那款），16G 内存跑这些程序完全够用，因为模型运行在云端，本地只承担 Agent 的逻辑。
现场问答
Q：如何接入 Claude Code？有没有教程？ A：看你接哪一家。如果是接 Claude Code，建议直接把官方文档扔给 Agent 让它去用。可以下载「翠」这个工具，登录后利用免费的千问，把文档扔给它，让它直接完成下载和指导。
Q：Claude Code 和扣子（Coze）有什么区别？ A：一枚扣子补充说，两者不在一个生态位上。Claude Code 是命令行 AI 编程助手，和翠、Codex、Gemini CLI 等工具同类；扣子是低代码智能体开发平台，和 Dify、N8N、LangGraph 同类。
Q：Agent 和 Workflow 有什么区别？ A：一枚扣子解释，从宏观上讲，任何基于大模型开发的产品都可以泛称为 Agent；学术上 Agent 需要具备工具调用、任务自动规划、任务执行和过程记忆能力。Workflow 通过系列化编排让任务执行更具确定性，遵循预设路径；Agent 则自主决策、灵活性高。两者各有优势，不必纠结概念。
Q：秒搭、扣子、N8N 这些工具怎么选？ A：做小网站可以用秒搭或扣子空间；程序员开发可以用 Codex 或 Cursor；想做 Agent 开发的小白可以用低代码平台如扣子、百炼；做海外跨境业务用 N8N 比较合适。工具只是完成需求的手段，选择适合自己的即可。
要点回顾
- Agent 产品四要素：基础 Agent 能力、工具能力（MCP）、提示词或代码指令、与用户的沟通上下文。
- 标准驱动开发：先写一份完整的提示词文档（包含产品定位、架构设计、交互流程、前端页面），再让 Agent 生成代码，改动效率远高于直接写代码。
- 提示词设计：定义基础参数（比例、风格），通过不断对图调试确定设计逻辑，用分层设计（背景、主体、装饰）描述视觉元素。
- 工具选择：Claude Code 适合小开发者，学习成本低；千问 CLI 有免费额度，可作为替代；翠是中文界面的终端壳，适合国内用户。
- 成本策略：好的模型会越来越贵，本地开发 + All in One 模式可以节省成本，文件存在本地避免迁移麻烦。
- 实践路径：从时间追踪器、知识库、人生教练等个人工具开始，用 Claude Code 作为核心 Agent，通过 MCP 扩展能力，用 Happy 等框架在手机端调用。