我办了一场 Agent 比赛：评完十几个作品，我们反复在问同一个问题

10 月 4 日晚上，我办的 Agent 比赛终于办完了。

先介绍一下背景。我有一个 QQ 粉丝群，平时主要聊 AI 和 Agent，现在有八百人左右。今年暑假，我在群里发起了一场比赛，叫 Summer of Agents：大家自由组队，花一个暑假做一个 Agent 项目，最后上来展示。所有参赛项目和链接都在比赛页面上，感兴趣可以去逛一逛。因为我自己的时间一再调整，最后的展示一路拖到了秋天。

开始之前我挺忐忑的。报名的有 45 组，提交企划的却不多，加上一拖再拖，我已经做好了「半小时就冷场收尾」的准备。

结果那天晚上，十几组同学轮流在飞书会议里共享屏幕，直播间同步开着。每组 5 分钟展示，再回答评委 3 到 5 个问题。我和另一位评委降星驰从八点不到一直聊到十一点多，后面实在太晚，才稍微提了提速。直播间的反馈一直很热烈，还有人说，这是今年最快乐的一个晚上。

办完以后我也特别开心。这篇想做两件事：一是把获奖的作品介绍给大家，二是把那晚反复聊到的问题整理出来。几乎每个项目都被问到了某个版本的同一个问题：

那为什么不直接用 Claude Code 或者 Codex？

它不只是问参赛者的。我觉得每个在做 Agent 产品的人，都值得想一想。

获奖作品#

奖项	作品
第一名	Shiori Agent ↗（windy）：以角色为核心的个人 Agent
第二名	Speech Agent ↗（猪鼻星）：语音字幕 + 个人记忆
第三名	Legion ↗（在希）：多 Agent 管理系统
最佳 Demo 奖	Obsidian 笔记关联插件
鼓励奖	明账 AI 记账、人事 Excel Agent

第一名的 Shiori Agent 是当晚完成度最高的作品，没有之一：角色卡导入、记忆面板、语音、主动聊天、插件系统都做出来了，还能把角色拉进群里一起聊。作者也已经靠这个项目找到了工作。

第二名的 Speech Agent 把你说过的话变成字幕，再由你挑出值得长期记住的内容，通过 MCP 只读地分享给其他 AI。作者是当晚第一个上场的，还专门做了一段介绍视频。

第三名的 Legion 是当晚被问得最多的作品，后面会专门聊到。

最佳 Demo 奖不看项目本身的技术能力，只看 5 分钟里的表达、展示和问答。拿到这个奖的同学并没有报名，是刚关注几天、看到直播临时上来连麦的，说是想听听大家的建议，结果展示和表达是全场最好的。这大概是当晚最意外的惊喜。

两个鼓励奖是我们评完之后临时加的。一位是 2026 级的新生，是当晚年纪最小的参赛者，做了一个 Windows 上的 AI 记账工具；另一位已经工作两三年，不是计算机专业，今年五六月才开始学编程，代码大部分是自己手写的。看到这样的参赛者，我是真的很受鼓舞。

一、大家最想做的，也是模型厂商最想做的#

评完回头一数，一大半的项目落在这几个方向上：

• 记住你：把你说过的话、和 AI 聊过的内容沉淀成记忆；
• 帮你整理知识：陌生领域的知识地图、笔记自动关联；
• 陪着你：角色扮演的个人 Agent、桌宠；
• 24 小时看着你：后台收音、监听 Coding Agent 的对话日志、主动出来给建议。

第一个项目还没评完，我就忍不住问了一句：你们怎么都这么喜欢做 24 小时监听类的产品？

这些方向扎堆，原因很好理解：它们都是我们自己每天在痛的地方。上下文一压缩，细节就丢了；笔记记了几千条，用的时候找不到；同时开着三四个会话，要在 tab 之间来回切。我自己也一样。

这些方向也确实有价值。Speech Agent 的作者在展示里说了一句我很认同的话：模型能力越来越强，但属于你个人的信息，并不会随着模型变强而变多。从自己的需求出发、守住只属于自己的那部分信息，是做项目很好的起点。

只是聊下来，我和降星驰有一个共同的感受：我们最痛的地方，往往也是模型厂商最在意的地方。记忆、上下文管理、多会话并行，正是各家每个月都在往产品里加的东西。在这几条赛道上，对手往往不是另一个学生项目，而是下一次模型和产品更新。

反过来，降星驰觉得「这么多作品里最有可能有人付费」的，是一个数学建模 Agent。它的赛道小而具体，交付物明确（一篇能直接提交的论文），结果也明确（拿没拿奖）。降星驰的评价大意是：你甚至不用把服务卖给别人，自己跑出结果来收钱，大概率都能收成功。

人事 Excel Agent 也是同一个道理。算工资、汇总各部门交上来的表，没有哪家模型厂商会专门为你做这件事。越通用的需求，越是模型的主场；越具体的需求，越是个人开发者的机会。

想做 24 小时在线的产品，难点在哪#

24 小时、主动型的产品当然可以做，那晚我们也聊了不少它到底难在哪。

降星驰在点评 Speech Agent 时给了一个区分，我很喜欢：

• 工具类软件：用户在某个场景下主动打开它，换来一个明确的收益；
• 环境类软件：一直在后台，平时几乎感觉不到，像窗外的风景或者桌上的一盏灯，等你回看的时候才显出价值。

两类软件对产品的要求完全不同。环境类软件首先要做到的，是在不打扰人的前提下提供价值。

另一个难点，是一位做桌面 Agent 的参赛者自己说出来的：上下文和记忆压缩都不是最难的，最难的是它什么时候该出场。我当时的想法是，只读屏幕上的内容，推断不出你需要什么帮助，行为信号可能更有用，比如反复选中某几个词，或者鼠标在一段文字上来回停留。降星驰不太同意：真想弄懂一个东西，人会去和 ChatGPT 来回深聊，桌面上自动弹出的讲解帮不上太多。这个问题当晚没聊出结论，但大家都同意，这是触发时机的设计问题，不是模型能力的问题，而且它真的很难。

Obsidian 插件的作者就主动避开了这个难点：选择一天或一周整理一次，不做实时监控，理由是实时运行有隐私风险，也不够稳定。我觉得这是一个很成熟的取舍。

知识类产品：存下来、找得到、想得起#

做笔记和知识库的项目不少，降星驰在点评 Obsidian 插件时，给了一个我觉得很好用的拆法。知识相关的操作有三种：

• 存储：把一份笔记存下来；
• 检索：需要的时候能找到它；
• 激活：在做新事情的时候，能想起相关的旧知识。

大部分项目都在做前两种，真正难的是第三种。而且旧知识会过期：大一记的笔记，到了大四可能已经没什么价值了。要做好激活，最终需要对「这个人现在会什么、不会什么」有一个判断，这已经接近对用户本身建模了。

在这类产品的门槛上，我们两个的看法不太一样。我更担心冷启动：一个新用户还没有笔记，为什么要用你？降星驰则觉得，知识类产品不一定要追求低门槛，一个月 20 块钱，有一千个人愿意付费，就已经是一个很好的小生意了。两种看法都有道理，取决于你想把它做成什么。

二、绕不开的问题：为什么不直接用 Claude Code#

这是当晚出现次数最多的问题。在一个记忆系统项目上，我是这样一步步问的：

Codex 和 Claude Code 是当之无愧的 T0 级（第一梯队）Agent，虽然为 Coding 而生，但越来越通用，你承认吧？它们的上手门槛，从配置到发出第一个 prompt，比你的产品低，你也承认吧？那用户为什么要用你的产品，而不是它们？

问出来确实有点压力，但每个做 Agent 产品的人迟早都要面对它。2026 年，用户手里已经有一个足够强、门槛足够低的通用 Agent。RSS 摘要、读其他会话的历史、学一个新领域，很多功能让 Codex 起一个定时任务，就能做到七八成。

做 RSS 文章分析的那组也被问到了这个问题。降星驰分享了自己的做法：让 ChatGPT 每天根据前一天问过的东西推几篇文章，骑车通勤的时候，直接让它念出来，有问题还能接着聊。这样的体验，一个独立的阅读器很难比得过。

所以问题从「我能不能做出来」，变成了「为什么不是它来做」。当晚大家给出的好回答，大致有三种。

把独特的能力做成插件，接进头部 Agent。 做陌生领域知识地图的那组，被问到平时学新东西时用不用自己的项目，作者坦白还没用过。这很正常，换成我，大概也会直接打开 ChatGPT。这时候可以反过来想：如果你在某个垂类上真有独特的能力，就把它做成 Skill 或 MCP，接进 Claude Code 和 Codex 里。这样还有一个常被忽略的好处：曝光。它们的用户每天都在增长，接在上面的东西，天然能被更多人看到。

有一个通用 Agent 不适合做的具体理由。 我问明账的作者：你自己就在用 Hermes 这类个人 Agent，为什么不把记账做成它的一个子功能？把 CSV 直接发给它，手机上就能处理，不是更方便吗？作者先说的是隐私，我们当场讨论了一下：只要接了外部的 AI 服务，数据总会离开本机，存在自己电脑上和存在自己的服务器上，差别没有想象中大。第二个理由就很有说服力了：Hermes 太重，而明账更接近一个记账 App，不是一个 Agent。作者自己的习惯也正好是这样：隔一段时间集中导一次账单，在电脑上批量整理，自己保管账本。理由越具体，越站得住。

大方承认它是一个自己用的项目。 这完全没问题。降星驰说：「我对个人项目和但凡有商业化想法的项目，要求是不一样的。」做本地音乐播放器的那位，作为个人开源项目，做到五百、一千个 star 是很有希望的。我当时的建议是，与其在音乐版权上找卖点，不如把力气花在 Agent 真正擅长的地方：不知道歌名、也记不起歌词，只能用感觉去描述一首歌时，传统平台很难搜到。如果它能做好这件事，就是一个真正的亮点。

能用 Hook 解决的，先别做 Harness#

第三名的 Legion，是我们问得最多的作品。它用一个 Manager 拆任务，分给最多 64 个 Codex 子 Agent 并行执行，再统一验收，在硬件设计和算子优化的任务上已经跑出了实打实的提升。

降星驰问了一个很现实的问题：

模型迭代一轮，就会把很多 Skill、甚至 Harness 淘汰掉。你怎么保证自己不被淘汰？

例子是现成的。Superpowers 这类流程型 Skill，在模型还比较弱的时候几乎人人都装；新一代模型出来以后，用的人就少了很多。「能开 64 个子 Agent」本身也不太构成差异：Codex 的子 Agent 数量改一下配置就能调上去，Kimi Code 一次也能开几十个 Agent 并行。

聊到这里，我给的建议是一个从轻到重的顺序：

• Hook：在 Agent 运行的固定时机自动执行一段脚本，适合处理规则性的约束；
• Skill：给 Agent 一个额外的专家技能包，本质上是一份按需加载的提示词；
• MCP：把需要真实执行的能力做成接口，各家 Agent 都能调用；
• Plugin：把 Skill、MCP、Hook 打包在一起，方便分发和安装；
• Mod：Claude Code 前阵子刚推出的形式，可以直接在 Claude Code 里加面板、状态栏这类界面；
• 独立的 Harness 或产品：最后才考虑。

能用前一种解决，就先别跳到后一种。每往后走一步，要维护的东西就多一层，被模型更新覆盖的风险也大一层。现在 Claude 这一类模型差不多一个月就迭代一次。一个三个月后可能被模型自带能力覆盖的独立 Harness，和一个三个月后仍然能被各家 Agent 调用的 Skill，价值差得很远。

所以对 Legion，我最想知道的是：这套分工和验收的规则，能不能先做成 Skill 加 Hook？降星驰也补了一句：Claude Code 和 Codex 都有 Hook，要先证明 Skill 加 Hook 解决不了，才需要一个独立的系统。

顺便给正在找实习的同学一个小建议：别拿 Coding Agent 或 Harness 当面试项目。多 Agent 编排的复杂度不亚于分布式系统，面试官会问的，正是上面这些问题。

让 Agent 也能用上你的产品#

接进头部 Agent 还有另一面：不只是把你的能力接进去，也可以是让 Agent 能用你的产品。

我问过做记忆系统的那位参赛者：你的产品对 Agent 友好吗？回答是设计时完全没考虑过，最初只是想给自己搭一套知识体系。这在做记忆和知识库的项目里很常见。

但看看我们群就知道，里面有我做的 bot，也有大家拉进来的 bot，数量越来越多，我相信很快会比真人还多。群里有人在做「网页一键转 Markdown」这类工具，目的就是让 Agent 能更好地读。你的产品产出的东西，能不能被别的 Agent 低成本地读取、调用、写入？一个结构化的输出、一个 MCP 接口，可能比一个漂亮的看板更能让你成为别人工作流里的一环。

三、一句话介绍产品，比想象中难#

降星驰几乎对每个人都问了这个问题：

如果只给你一句话，加一张宣传图，你怎么介绍你的产品？

这一题大家答得都很吃力。「一个套了角色扮演皮的个人 Agent，主要提供情绪价值」「一个让你看到曾经没注意到、但有用的内容的工具」，听起来更像功能描述，还不像别人愿意转述的一句话。这题本来就难，经典产品的口号往往只是一个很短的词组，背后是反复打磨的结果。

我觉得它的价值不在文案本身，而在于逼你回答几件事：用户是谁，解决什么问题，和别人差在哪。答不上来的时候，往往说明这几件事还没想清楚。

最佳 Demo 奖的 Obsidian 插件就是一个很好的例子。作者讲得自信又流畅，但聊着聊着，我们发现产品里藏着一个小矛盾：

• 出发点是：用户记了几千条笔记，但不会回去翻；
• 用法却是：点进某一条笔记，看看它关联了哪些旧笔记。

如果用户本来就不会回去翻，这个入口就不太成立。我当时的建议是换一条主线：创作一个新主题时，我常常不知道这个朦胧的想法该打什么标签，也想不起它和哪些旧笔记有关，这才是我真正需要 AI 帮忙的地方。

讲得好和想得清是两件事。表达是一个放大器，它放大的是你已经想清楚的那部分。

两个最简单的检验#

第一，你自己在用吗？我问了好几个人：你平时用它吗？连续用超过三天了吗？测试不算。

能回答「在用」的项目，后面的问题都答得更有底气。明账的作者自己就是「隔一段时间集中导账单」的人；做 AI 对话记忆的作者，真的会去翻记忆、画思维导图。反过来，作者自己都不用的项目，我们也很难知道该从哪里问起。

第二，在你出现之前，有没有人在用很别扭的办法满足这个需求？这是降星驰给的检验方法。例子是外卖：美团出现之前，就有肯德基宅急送，有商家接电话、自己派人送餐。效率很低，但需求真实存在。

反过来，「只要做得足够方便，就会有人来用」这个逻辑不太成立，因为任何东西都可以这么说。真正重要的需求，哪怕很不方便，也会有人想办法满足。

想知道目标用户的痛点，也不用闷在家里猜。群里八百人，我当时开玩笑说，发个十块钱红包，都会有二十个人认真回答你。红包不是重点，重点是用户离你很近，可以直接去问。

四、先找到裁判，再堆 token#

回到 Legion。被问到和别人的差异在哪时，作者讲到了验收层：不是让另一个 LLM 判断做得对不对，而是接一个外部的验证程序，比如电子设计里专用的验证工具、算子的性能评测。分数上去就保留，没上去就淘汰，再分配，再迭代，一轮一轮往上爬。

我当时的第一反应是：那不就是测试吗？

复盘的时候我才意识到，这恰好是它做对的地方。它最有价值的部分，不是能开 64 个子 Agent，而是它选的任务有裁判。

这也解释了为什么 Coding Agent 最先成熟：代码有测试，测试就是裁判。有了裁判，才能放心地堆 token、堆并发，让 Agent 自己往上爬。算子优化、硬件设计、形式化证明，都属于这一类。

没有现成裁判的领域，就要先找一个：

• 数学建模的结果没有绝对的对错，论文用词好不好也很难量化。我问到这一点时，降星驰的回答很干脆：数学建模能拿奖就行。比赛本身就是裁判。
• AI 自动整理的知识库对不对、笔记关联得准不准，就没有裁判。降星驰问过做记忆的那位：AI 自动处理了你的知识库，人怎么知道它做得对不对？能当裁判的只有人，而人恰恰是那个「不会回去看」的角色。

所以动手之前，可以先问自己一句：谁来判断它做得好不好？答案可以是测试、比赛成绩、用户付费，也可以是你自己连续在用。想不出裁判的时候，先别急着堆 Agent。

五、懂业务的人，正在变得更值钱#

当晚让我印象最深的，是拿鼓励奖的那位人事管理同学。

毕业两三年，做人事管理，不是计算机专业，下班之后有空，五月底看了我的视频，就想自己做一个 Agent 试试。在我们群里，手写代码常被调侃成一种过时的做法，但这位同学想边学边做，代码大部分是自己写的，我只觉得佩服。项目把算工资、汇总各部门表格的工作，拆成了几个原子工具：读 Excel、写 Excel、把员工信息表转成数据库、查询员工数据库。

作者说了一句我很认同的话：

想在工作上用好 AI，其实还是需要对自己的工作有非常足够的了解。

最早的版本是一个把所有表头写死的专用工具，能用，但完全不通用。后来作者才意识到要把工作步骤原子化。这件事技术上并不难，难的是你得知道这份工作里，哪些步骤可以拆开。

这也是那晚我反复聊到的一个观点：做 Agent，产品能力比技术能力重要得多。以前当然也是这样，但现在多了一个原因：Agent 是一个增量市场，而技术本身在 AI 面前正在贬值，对业务的理解不会。降星驰也提到，最近取关了很多讲技术细节的博主，因为教你 CSS 怎么写、某个细节怎么优化的内容，已经不需要专门去学了。

拿记忆举例。记忆可以做得很简单，直接塞进系统提示词；也可以做得很复杂，各种召回策略，再结合成本、速度和回答质量一起权衡。但不是每个场景都需要最高级的那一档，你的场景用不上，就别硬上。技术选择要有自己的理由，而不是「AI 告诉我用这个」，或者「我第一个知道的就是这个」。

所以我很想鼓励大家：想做好 Agent 开发，先试着当一个 Agent 产品经理。这个数字没有什么依据，但我觉得起码应该深度体验过 20 个 Agent 产品，而且不能只用 Coding Agent。

怎么保持对市场的感觉？降星驰的办法是让 AI 起一个定时任务，每天扫一遍 Product Hunt 排名前 10 到 30 的 Agent 产品。我再补充一点：a16z、YC 这些投资和孵化机构也很值得关注。看的时候，最好把 AI 和 Agent 市场分成两层：

• 研究层面：纯技术的进展，去看论文；
• 应用市场层面：更建议看 YC、红杉这些机构的报告。

降星驰还有一条：用户量到 10 万之前，别急着考虑架构优化。小团队的架构，核心就一件事：省钱。

最后：写给那晚上来展示的每一个人#

写到这里，回头再想那个晚上，最打动我的其实不是哪个项目做得最完整，而是上来展示的这些人。

有刚入学的 2026 级新生，有已经工作、下班后才开始学编程的人事同学，有关注我才几天、看到直播就上来连麦的新朋友，也有已经靠自己的项目找到工作的第一名。大家处在完全不同的阶段，却在同一个晚上，把自己做的东西拿出来，当着群友和直播间观众的面，接受两个评委一个接一个的追问。

这件事本身就需要勇气。第一个上场的同学一开始就说，看得出来我现在压力有点大；我说不用紧张，这不是面试。Legion 的作者被我们连着追问了十几分钟，我想说几句话缓和一下，对方却说：不用安慰，严厉一点更好，我还是想把这个想法实践下去。听到这句话的时候，我是真的很开心。被问住不丢人，愿意把东西拿出来、愿意被问，就已经走在很多人前面了。

我办这场比赛，一个很重要的原因是，很多人做项目只是为了面试、为了找实习，做完就放在简历上，很少有机会在一群同样在做 Agent 的人面前展示，被问一些平时没人会问的问题。那晚的很多追问，换成面试官，可能也不会问得这么细。但我希望大家听到的不是否定，而是另一个看待自己作品的角度。

这种交流也从来不是单向的。坐在评委席上，看起来是我们在提问，但从大家的回答里，我也学到了很多。这篇里的不少观点，就是被你们的项目「问」出来的。谢谢降星驰陪我从八点聊到十一点多，也谢谢直播间里一直在刷弹幕、一起讨论的每一位。

群里的 bot 越来越多，我也一直在折腾它们，但那天晚上让我更加确定：哪怕 Agent 越来越多，人和人之间的交流，依旧是一个社群里最好的那部分。我当然希望这个群越来越好，不管是办比赛、做分享，还是给大家一些免费的 token，初衷都是一样的：希望大家把 AI 用好，也希望在这里认识一些一起往前走的人。

这次也有不少人因为家里有事、时间冲突，或者作为新人觉得自己还不够独立做完一个项目，最后错过了。没关系，现在已经 10 月，夏天过去了，如果顺利的话，下一场也许就叫 Winter of Agents。真有下一次，希望能见到你们，也希望这次上来展示的同学，到时候带着新的版本再来。

如果你也对 Agent 感兴趣，欢迎加入 QQ 粉丝群： 。后续的活动都会在群里发布，不一定是比赛，规模更大的、更轻量的都可以，有想法也欢迎直接在群里提。对文中哪一条有不同看法，也欢迎来聊。