不过，

大家好，我是双越。wangEditor 作者，前百度、滴滴资深前端工程师。慕课网金牌讲师，PMP，前端面试派作者。

开始

我正在开发一个 AI Agent 项目——智语。一个 AI Agent 个人助手，类似于 Openclaw 小龙虾。项目涵盖 tools、skills、memory、context、permission、subagent、session、command hook、MCP-server 等主要能力。你可以与它聊天、让它读写文档、配置 Skills 、设置定时任务或使用 MCP server 发送消息…，如果你也想和我一起建立一个 AI Agent，欢迎私信交流。

这篇文章分享我在开发过程中遇到的实际问题和注意事项，希望能帮到大家。

急于完善 Chat 功能

初学者往往把 Chat 聊天功能放在首位，甚至忽略了真正的 Agent 架构。刚开始接入 LLM 接口后你可能会立即想到如何让聊天更流畅，但这并不是 Agent 的主要功能。老实说，

正确做法是先完成 Agent 的基本模块。接下来将 Chat 作为独立的 UI 层进行解耦。例如在智语项目中：Agent 包含所有业务逻辑，而聊天界面只负责展示与交互。这种拆分能避免后期维护成本大增。按理说，

Skills 配置在代码库中导致困扰

起初。我把 Skills 放在代码仓库里并在建立时复制到 dist 目录。按理说，但这导致使用者无法轻松安装新 Skill，也不利于版本升级。

• 痛点：使用者想安装第三方 Skill 时却发现只能修改源码后重新建立。
• 像 OpenClaw 一样，为每个使用者创建工作空间目录 ~/.zhitalk
  • .agents/skills: 第三方 Skill 安装目录
  • /skills: 使用者自定义 Skill 目录
• MCP Server 与 Hooks 的配置也统一存放在工作空间下的 .zhitalk/zhitalk.json
• Mental memory 应该分层管理：
  • short-term memory：仅本次 session 有效
  • long-term memory：跨 session 存储。 建议使用 SQLite 结构化存储便于查询修改
  • profile：全局个人信息配置

无脑压缩 Context 导致信息丢失

AIP 请求时如果 Context 太大，不仅会增加延迟，还可能导致模型产生错误答案。许多开发者采用简单截取前 N 条记录的方法，但这样会丢失关键上下文。说起来，

1. PERSIST TOOL OUTPUT： 先保留工具输出结果；痛点：忽略工具返回的关键信息导致后续推理失效。怎么说呢，
2. PERSIST TOOL MESSAGE： 保留工具调用过程中的消息；痛点：遗漏调用细节导致重现性差。
3. % 超过阈值自动压缩整个 Context： 保证整体长度可控；痛点：一次性裁剪导致历史信息被删除。
4. # 超过 N 条 message 再截取： 按数量控制；怎么说呢，痛点：硬性限制可能剔除关键对话片段。

You can manually trigger compression with command /compact,or let system auto‑compress when usage exceeds a set percentage.

权限设计误区 – 打扰使用者却未提供价值

AIC 所涉及的工具调用必须谨慎授权。常见做法是频繁弹窗询问使用者是否允许执行操作。这既影响体验，又无法保证安全性。

• 危险操作直接拒绝： 减少不必要的干扰；示例：删除程序文件夹等高危操作直接拒绝执行。