《AI Agent 脚手架》第1-1节：脚手架需求分析

作者：小傅哥
博客：https://bugstack.cn (opens new window)
视频：待更新

沉淀、分享、成长，让自己和他人都能有所收获！😄

大家好，我是技术UP主小傅哥。

今天是我们 《AI Agent 脚手架》 项目学习的第1节课程，小傅哥会带着大家，以互联网公司正规的承接产品需求到开发部署上线的流程，带着大家以第一主人公视角的方式进行学习。这样既可以保证你学习到项目内容，也能了解到公司里正规的开发模式，以后进入到公司也可以很好的融入团队，承接项目需求。加油💪🏻！让我们开启新项目之旅！

一、本章诉求

站在技术视角，分析 AI Agent 脚手架项目，这样一个产品功能需求的背景、诉求和目的。

首先，脚手架你可以理解为是一个工程模板框架，通过简单的配置即可完成初始化项目工程（IntelliJ IDEA）的搭建，并在工程内提供最为常用的基础服务，免去大家每次做新的项目，都要手动搭建工程的过程。

那么，为什么叫技术视角？

在互联网公司中，项目通常分为两类：一类是源自产品业务的需求，另一类则是由研发驱动的纯技术项目（或由基架部门专门负责的技术产品）。后者的初衷在于解决研发在响应业务需求时，频繁且重复的工作负担，同时推动需求制定的统一标准化。

随着2025年起互联网公司纷纷通过AI赋能业务，推动各场景的效率提升，构建多样化的AI Agent智能体业务应用将成为常态。面对大量复杂的工程搭建需求，亟需一套统一的标准化框架，能够快速创建项目，显著降低用户的使用门槛和开发成本。

二、项目背景

为互联网企业构建业务场景下的 AI Agent 智能体，提供统一标准和便捷易用的脚手架。

为什么要为创建脚手架？

回归本质，当前大规模语言模型（LLM）的使用，基本上是通过 HTTP 响应式接口进行对接。随着应用需求的增长，为了简化各自封装 AI HTTP 接口的复杂度，逐渐出现了以 AI SDK 方式进行对接的设计和实现，提升了开发效率和集成体验。

随后，AI 服务不仅仅局限于简单的接口调用，还引入了诸如 RAG（检索增强生成）知识库、Tool 工具（如 Function、MCP）等能力。同时，不同厂商的大模型（OpenAI、Google、智谱、阿里千问等）在接口和功能上存在差异，推动了类似 Spring AI 这类产品的诞生，帮助开发者更加便捷地统一调用和管理多样化的 AI 服务。

进入下一阶段，随着智能体（AI Agent）概念的兴起，开发者开始设计支持顺序执行、循环执行（分析与决策）、并行执行等复杂流程的智能体方案。Google 发布的 ADK（Agent Development Kit）智能体框架，标志着这一阶段的技术成熟和标准化趋势。

综上所述，构建一个完整的智能体，需要综合运用上述所有技术和能力。为了统一标准、提升易用性，就很需要搭建一套统一的 AI Agent 智能体开发脚手架，剔除重复且复杂的工作环节，帮助业务快速融合并高效开展智能体开发。