驱赶AI Agent当牛马

前言

三年前GPT刚出来, 我写过一篇文章, 叫ChatGPT编写俄罗斯方块. 当年还没有什么Agent, 只能让ChatGPT写代码, 然后自己把代码复制到IDE里运行. 但是这几年AI的发展真是日新月异, 现在已经有了很多Agent了. 这些Agent可以自己去搜索资料, 可以自己去写代码, 不会了还可以自己去搜索，自己去看文档, 甚至可以自己去运行代码, 看结果, 然后根据结果继续修改代码. 这就好像是有了一个AI的助理一样, 你让它帮你做一些事情, 它就会自己去完成. 这对广大于程序员来说, 真的是一个巨大的福音. 因为可以把一些重复性的工作交给AI来做, 然后就可以专注于一些更有创造性的工作了 (我不觉得AI能替代码农).

顺便吐槽一下中文翻译，Agent翻译成“智能体”，听起来就很高达上，但是到底是干什么的呢？我觉得“智能体”这个名字太抽象了，不太好理解。但是Agent这个词很多年前就已经在计算机领域存在了，以前还有人翻译成“代理”，但是这个翻译又太过于技术化了，不太适合大众理解，因为proxy也翻译成代理。其实Agent这个词在英语里是一个非常常见的词，意思就是一个代表你去做事情的东西。就像你买房子要有Agent,买房子的Agent就是代表你去找房子，去看房子，去谈价钱，去签合同的那个东西。就是“中介”么。所以我觉得Agent不如干脆就翻译成“中介”，当然这个可能太没有学术感了。同理还有Socket，翻译成“套接字”，听起来就很高大上，但是到底是干什么的呢？其实Socket这个词在英语里也是一个非常常见的词，意思就是一个插座，就是你插电器的那个东西。就像你家里有很多插座，你可以把不同的电器插到不同的插座上去。Socket就是计算机网络里的一个插座，你可以把不同的程序连接到不同的Socket上去。同理还有当年Windows编成里面的Handle，翻译成“句柄”，其实Handle这个词就是窗户把手，微软的Windows叫Windows就是因为有窗户嘛，所以Handle就是窗户把手，你拿到了这个Handle就好像拿到了这个窗户的把手一样，你就可以通过这个Handle来操作这个窗户了。总之我觉得有些翻译虽然听起来很高大上，但是其实不太好理解，反而不如直接用英文更好理解。

好了，废话少说，开始说正题吧.

之前Gemini CLI的失败（差钱）

现在商业的AI Agent已经有不少了，譬如Google的Gemini Cli, Anthropic的Claude Code等等。 但是这些Agent都是商业的，虽然号称免费用，但是你接入的AI模型可不免费，除了那些少得可怜的免费额度之外，后续的使用都是要收费的。对于个人用户来说，这个成本可能就有点高了。搞不好程序没写多少，钱包随时被掏空。我之前试过Google的Gemini Cli，感觉还不错，功能也挺强大的，但是跑着跑着就提示我免费额度用完了，要我输入信用卡信息继续使用，我就放弃了。毕竟我也不想冒这个风险。

干啥这么费token呢？因为我有一个博客，就是现在在写的这个了，里面有200多篇文章，是用静态的博客生成工具，基于Python的Pelican写的。已经10年了，我记得我2007年刚来新西兰的时候，那时候还没工作，正好我闲得慌，就把以前基于WordPress写的博客内容迁移到Pelican上面了。为什么选Pelican呢？因为当时我只会Python, 其它编程语言像Ruby什么的都不太会。我记得当时在图书馆里天天迁移博客，大概弄了一周吧，还写了好多辅助程序，基本弄了个差不多。没想到它能用10年。为什么又想到要迁移博客呢？因为我发现Pelican这个项目基本处于半死不活状态了，虽然还持续有更新，但是更新的频率非常低，然后基于Pelican的主题就更惨了，几乎没人做，大多数主题都是好多年前的了，相当过时。而Jekyll就不一样了，虽然它是基于Ruby的，但是它的社区非常活跃，主题也非常多，更新也非常频繁。可能最主要原因是GitHub Pages默认支持Jekyll，所以很多人都用Jekyll来写博客了。我工作中也经常用Jekyll来写文档，一些对外公开的文档，我们基本上就用Jekyll写，然后放在GitHub上面，直接用GitHub Pages来托管了。所以我也想把我的博客迁移到Jekyll上面来。

其实我第一次尝试用AI Agent来迁移博客是在一年前，用的就是Google的Gemini Cli，虽然因为token用光没有移植成功，但是它的表现还是让我很满意的。它不像ChatGPT那样基于对话给你来生成，而是你给它一个宏观的命令，譬如“把我的博客从Pelican迁移到Jekyll”，它就会自己去分析这个命令，然后自己去查看情况，自己列一个TODO list，自己去搜索资料，自己去写代码，自己去运行代码，自己去看结果，然后根据结果继续修改代码，直到把这个任务完成了。整个过程完全不需要我来干预，完全不需要我来指导它怎么做，它就能自己去完成这个任务了。虽然最后因为token用光了没有成功，但是它的表现已经让我非常满意了。

第一次尝试

最近正好Agentic AI这个话题又火了起来，尤其是OpenClaw这个项目，火到三天改了三次名字。让AI完全控制你的电脑。我是没胆子让AI完全控制我的电脑，但是让AI来帮我写代码还是可以的，毕竟有源码控制，大不了回滚。所以我又想起来之前的这个博客迁移的事情了，就想再试一次，看看现在的AI Agent能不能帮我把博客迁移到Jekyll上面来。鉴于上次Token不够的情况，这次我决定用本地模型了。正好学校有台Dell出的DGX Spark，配置还不错。128GB unified LPDDR5x memory, NVIDIA GB10 GPU. 这是NVIDIA出的性能小怪兽，外观看起来很像那些便宜的一体机，但是它的性能却非常强大，而且架构跟苹果的基于Apple Sillicon的MacBook Pro很像，都是ARM CPU跟共享内存的CPU。下面是它的配置情况：

~$ nvidia-smi Thu Feb 19 11:16:29 2026 +-----------------------------------------------------------------------------------------+ | NVIDIA-SMI 580.95.05 Driver Version: 580.95.05 CUDA Version: 13.0 | +-----------------------------------------+------------------------+----------------------+ | GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |=========================================+========================+======================| | 0 NVIDIA GB10 On | 0000000F:01:00.0 Off | N/A | | N/A 39C P8 3W / N/A | Not Supported | 0% Default | | | | N/A | +-----------------------------------------+------------------------+----------------------+ +-----------------------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=========================================================================================| | No running processes found | +-----------------------------------------------------------------------------------------+ $ lscpu | grep -i model Model name: Cortex-X925 Model: 1 Model name: Cortex-A725 Model: 1 $ free -h total used free shared buff/cache available Mem: 119Gi 7.9Gi 15Gi 920Ki 98Gi 111Gi Swap: 15Gi 226Mi 15Gi

这个机器用来跑本地的GPT-OSS，Gemma什么的模型，Token速度简直快到你怀疑人生，眼睛根本跟不上它Token的速度。用来跑Agent正合适。

硬件解决了，然后是软件。那些Claude Code啊，Gemini Cli啊，都是商业的，只能接入他们自家的模型，所以我选择用 OpenCode了。OpenCode就一个好，几乎你知道的不知道的啥模型都能接入：免费的ollama, LMStudio，付费的Gemini, Anthropic, DeepSeek，阿里巴巴，甚至是小米，都可以接入，我都不知道小米还有模型卖Token。它完全开源，而且很活跃，几乎天天都有更新，我也不知道这帮用爱发电的开发者是怎么坚持每天更新的。

我就选择了本地的模型，叫Qwen3 Coder Next，是千问3的一个专门针对代码的版本，我选了qwen3-coder-next:q8_0这个模型，是一个8bit量化的模型，有85GB大小，正好放进我那个128GB的内存里了。估计比默认的4bit量化的模型更强大一些。其实一开始我还尝试了直接用Gemma3，号称谷歌Gemini的开源版本，但是似乎这个模型不是给编程打造的，有些tools的调用就不太行了，后来就放弃了，转而用这个专门针对代码的模型了。

说干就干。首先把blog的源代码从GitHub上面clone下来，然后cd到博客的目录下面，启动opencode，它其实跟ollama已经结合的很好了，直接通过ollama的命令启动opencode，都不用额外的配置，就能直接opencode里面调用ollama里面的本地模型。然后给它下命令：

This is my personal blog, which is generated by Pelican, a static site generator based on Python. I want to migrate it to Jekyll, which is another static site generator based on Ruby. Please help me to do this migration.

说实话Agent对第一个指令的反映让我还挺惊讶的。它没有直接就开始干活，而是先分析了这个指令，自己去分析了博客迁移的步骤，自己去列了一个TODO list，自己去分析了每个步骤需要做什么，最后才开始动手干活的。感觉比新手程序员强，因为很多年前我自己开始学编程的时候，遇到问题就想直接打开IDE开始写代码了，根本不想先分析问题，直接就是上来就写了，结果经常写着写着就发现自己根本不知道怎么写了，或者写着写着就发现自己写错了，结果就得重写了。这个Agent就不一样了，它先分析问题，先列TODO list，先分析每个步骤需要做什么，然后才开始动手干活的。

这第一波花费了大概半个小时的时间，然后跟我汇报，说改完了。中间我并没有一直盯着看，但是也偶尔看两眼。令我比较惊讶的是我发现它中间过程中会自己写一些Python小程序来帮助迁移，譬如说Jekyll和Pelican的配置文件格式不一样，blog的metadata的格式也不一样，它就自己写了一个Python小程序来把Pelican的配置文件转换成Jekyll的配置文件，把Pelican的博客文章的metadata转换成Jekyll的博客文章的metadata。而并不是一篇一篇的去手工的改。虽然AI手工改应该也不难，但是写个程序来改可能花费的token更少，时间也更快。这让我想起了大概10年前我自己把文章从WordPress迁移到Pelican的时候，我也是写了好几个Python小程序来把WordPress的数据库里的文章导出来，然后转换成Pelican的格式，最后再把它们放到Pelican的目录下面去。感觉挺聪明的。

它告诉我改完之后，我就告诉它，那就在本地起个服务器看看效果吧。因为我知道Jekyll跟Pelican一样，都可以起个本地的服务器来预览博客的效果的。谁知道，这竟成为了噩梦（美梦）的开始。

各种修改

因为没有预览环境的时候，AI只是改，它自己以为改完了就停手了，然后告诉你主人你给我的任务我完成。有了预览环境之后，AI可以自己完成一定程度的实现测试了。它起了服务器之后，可以自己用curl命令来访问这个服务器，虽然AI没有“眼睛”（这些coder模型普遍没有vision功能，不可能把网页自己截图然后自己视觉观赏），但是通过解析curl的HTML网页，它大概也能知道个八九不离十.

我第一个问题是你这个默认主题（theme）minima太素了，只有一栏，能不能换一个好一点的主题？AI给我推荐了几个主题，我选了一个叫Chirpy的主题，感觉还不错。就告诉AI换成这个主题吧。AI就自己去下载了这个主题，然后把博客的配置文件改成了这个主题的配置文件，然后再起个服务器来预览。然后呢，就陷入了token地狱，AI说它需要安装一些依赖包来支持这个主题的功能，然后死活装不上这些包，因为package之间有各种依赖关系，有些package之间还有版本限制，不能太新，不能太旧，活像当年Windows的DLL地狱一样。它不断的试错，不断的卸载，安装，再卸载，再安装。然后呢，系统包跟用户包之间还有各种权限问题。我在干别的事情，没有及时打断它，甚至还让它自己干，然后我出去购物去了，回来之后发现它还卡在安装各种包这里。也不知道中间尝试了多少种方案，我赶紧把它给叫停了。告诉他再给你半个小时，弄不好我们想其它方案。

然后半个小时过去了，它真没搞出来，然后它还真自己停下来，说running out of time了，还给我建议，说你别用这个主题了，臣妾做不到啊。活像遇到码农跟你说“这个功能做不了”一样。我想做不了就先不做吧，还有好多别的东西要做。我让它变回了最素的那个主题。这个时候我看了一下OpenCode的统计数据，发现已经用了一亿多（100 million）的token了。着实吓人。

我后来发现OpenCode里面有免费的模型，你可以无限随便用。叫Big Pickle（这肯定不是真名，不知道它到底是什么模型，就像GitHub Copilot有个免费模型叫Raptor，肯定也不是真名）然后我切换了模型，用人家免费的，然后又给它下命令：

• Jekyll的URL跟老的Pelican不一样，这样搜索引擎等的外部链接就失效了，能不能把URL改成跟老的一样的格式？
• 数学公式显示不出来，是不是少了什么配置？
• 暗色模式/浅色模式切换的按钮点了没反应。
• 链接向本博客内部的文章的时候，链接地址不对。
• 有些javascript或者css没加载出来了，导致一些功能不能用了，能不能修复一下？
• 我有一个统计用户访问量的链接，能不能帮我加上？
• 没有分页，几百篇博客都在一页上了，能不能加上分页？
• 源代码高亮不换行了，能不能改成换行的？
• 源代码边上有个复制按钮，按了没反应。
• 图片大小不对，所有的图片都太大了。
• 手机上看博客的时候，它自动变成了单栏模式了，然后双栏切换那个按钮点了没反应，能不能修复一下？
• 搜索栏搜索了内容没反应，能不能修复一下？
• 清理以前Pelican的遗留文件。
• 我的博客有好几个Github Actions，每次我有新内容，自动帮我编译博客，上传到Google Firebase上面去的，还有自动打包成一个container上传到Docker Hub上面去的，这些Actions都不能用了，能不能帮我改成新的基于Jekyll的GitHub Actions来实现同样的功能？
• 帮我改这20年博客里面的错别字……

这些小任务交给它，它倒是作的挺快的。因为大多数都比较容易测试。它自己实现完了之后就可以自己去起个服务器，自己验证自己改的对不对。这个其实很重要。

我一直往GitHub Pages上部署，没什么问题。但是后来往CloudFlare部署的时候，又遇到了问题，当然后来知道是CloudFlare不支持UTF-8编码的文件名了，要加两个环境变量告诉CloudFlare这个博客是UTF-8编码的，才能正常部署了。但是这个问题不是Agent帮我解决的，而是Google Gemini。 Agent一直尝试自己改自己的代码来解决这个问题，但是一直都没成功，后来我想是不是能自己改代码也不是好事，就把所有的东西都怪到自己身上了。这里面还有个小插曲，Agent实在是搞不定的时候，居然还建议我不要用CloudFlare了，用Github Pages，或者Netlify，或者Vercel之类的来部署了。感觉它也挺无奈的。但是我把这个告诉Gemini，Gemini就说这是搞笑，相当于汽车玻璃坏了，就建议你不要开车了，改骑自行车吧。感觉这个比喻还挺形象的。

后来Chirpy主题还是成功用上了，不是在QWen3 Coder Next这个模型上成功的，而是在那个免费的Big Pickle模型上成功的。我告诉Big Pickle说你帮我换主题，Big pickle直接帮我下载了一份到本地，然后本地部署，有啥问题直接改。没多久就成功了。

后记

前前后后也花了10天左右时间吧。整个过程中，跟上次写俄罗斯方块不一样，上次我搞到最后，是自己亲自下手写代码了。这次我可是一行代码都没有自己写，（其实我也不会写Ruby，哈哈）。我这次基本上就是个项目经理，或者用户的角度，不断的给它下命令，提意见。并不需要自己亲自动手。绝大多数情况，AI Agent完成的都挺好，其实还是挺出乎我预料之外的。

我不敢说AI Agent以后能代替程序员，但我觉得它能代替一些重复性工作，或者说一些比较机械性的工作了。当然也积累了一些经验教训。譬如AI搞不定的时候一定要叫停。否则就是这样：

$ opencode stats ┌────────────────────────────────────────────────────────┐ │ OVERVIEW │ ├────────────────────────────────────────────────────────┤ │Sessions 10 │ │Messages 2,197 │ │Days 8 │ └────────────────────────────────────────────────────────┘ ┌────────────────────────────────────────────────────────┐ │ COST & TOKENS │ ├────────────────────────────────────────────────────────┤ │Total Cost $0.00 │ │Avg Cost/Day $0.00 │ │Avg Tokens/Session 22.7M │ │Median Tokens/Session 1.4M │ │Input 158.1M │ │Output 286.7K │ │Cache Read 68.5M │ │Cache Write 0 │ └────────────────────────────────────────────────────────┘ ┌────────────────────────────────────────────────────────┐ │ TOOL USAGE │ ├────────────────────────────────────────────────────────┤ │ bash ████████████████████ 1260 (57.9%) │ │ read ████████ 519 (23.8%) │ │ edit ███ 210 ( 9.6%) │ │ write █ 58 ( 2.7%) │ │ glob █ 50 ( 2.3%) │ │ grep █ 50 ( 2.3%) │ │ webfetch █ 11 ( 0.5%) │ │ todowrite █ 8 ( 0.4%) │ │ task █ 4 ( 0.2%) │ │ invalid █ 3 ( 0.1%) │ │ question █ 2 ( 0.1%) │ │ websearch █ 2 ( 0.1%) │ └────────────────────────────────────────────────────────┘

1.5亿的token可不是闹着玩的。我把这张图贴给Gemini，又把OpenAI的价格网页贴给了它，问你帮我算算，如果我这是用的ChatGPT，这些token那大概已经花了我多少钱了？Gemini说大概是3000多美元了。还告诉我，一个中档的显卡已经被我烧光了。或者一个程序员一个月的工资已经被我烧光了。

我突然就想到，大概25年前我在大学学会计的时候，有门课叫会计电算化，老师说会计电算化在中国最大的阻碍是价格。有土老板说，我800块钱一个月就可以雇佣一个会计，而且他/她每天还可以被我颐指气使的干活。你一个会计电算化软件卖给我好几万块钱，我还不如请个会计来呢，否则对着这个软件我不爽的时候我骂谁去阿？

这个好像也可以放在Agentic AI上面，我把码农解雇了，让AI给我当牛马，如果我心理不爽，我骂谁去？AI就只会跟我说“You are absolutely right.”

当然这一切都会变。AI Agent的技术还在不断的进步，未来可能会有更多更强大的Agent出现，价格也可能会越来越便宜。到时候我们就可以真正的让AI来当我们的牛马了。虽然我觉得AI Agent不太可能完全替代程序员，但是它可以帮我们做很多重复性的工作，让我们有更多的时间去做一些更有创造性的工作了。