何时打开:你想从 AWS 视角看 Agent 怎么落地、ANP 协议怎么挑战 MCP、独立开发者怎么 ship。本 wiki 是 2025 年 AWS 在 newtype 星球分享的 4 篇讲座合并整理。
跟 AI Agent 技术架构演进 2025(深度研究报告) 的关系:那份是"产业图景研究报告",本 wiki 是 4 个具体讲座的产业实操视角。
一、Agent 演进 4 阶段(汪其香,亚马逊云科技解决方案架构师)
核心判断:Agent 正处于 L2 → L3 转变阶段。
| 阶段 | 描述 | 关键特征 |
|---|---|---|
| L1 Single Agent w/ multiple tools | 指令执行者 | 一个 LLM + 工具栈 |
| L2 Multi-Agent Collaboration | 推理、自反思、规划、修正的参与者 | 多个 Agent 协作 |
| L3 Asynchronous Agents | 异步并行 Agent | 任务驱动而非对话驱动 |
| L4 Autonomous Agents | Agent 自己创建 Agent,RL 优化 Agentic Workflow | 自治进化 |
当下(2025):大多数生产部署在 L1-L2,L3 正在突破,L4 还在论文阶段。
二、Agent 四要素(王晓妍,亚马逊初创生态资深战略顾问)
Agent = 大语言模型 +(观察 + 思考 + 行动 + 记忆),工程上拆 4 块:
2.1 Planning(规划)
- Claude
<think>工具:让 LLM 在行动前显式思考 - 适用场景:
- 工具输出分析(行动前仔细处理之前工具调用的输出)
- 指令/约束多的场景(详细指南 + 合规验证)
- 连续决策场景(每个行动建立在前面基础上,错误代价高昂)
2.2 Memory(记忆)
- 短期上下文 + 长期持久化(对应 MemoryOS 3 层)
2.3 Tool Use & Action
三种形态共存:
- MCP(Model Context Protocol)— 标准化工具集成
- Computer Use(多模态端到端微调的 Model/Agent)— GUI 自动化
- 多 Agent 协作 — 跨 Agent 协议(下文 ANP)
2.4 主流实现框架
- OWL / LangManus / OpenManus / OpenHands / Manus(开源 + 商业并存)
三、Agent 段位 3 级(王晓妍)
反直觉判断:不是所有 Agent 都要"端到端微调",段位有 3 级阶梯:
| 段位 | 描述 | 何时用 |
|---|---|---|
| 段位一 | 利用通用 Agent 能力构建垂直应用(通用 Agent Roadmap) | 大部分场景 |
| 段位二 | 充分激发模型能力(硬 structure → 软 structure) | 中等复杂度 |
| 段位三 | 端到端微调 Agent(Reinforcement Fine-tuning RFT 是下一代 LLM Agent 的开发范式) | 复杂 + 高频 + 有数据 |
关键 reference:
- Anthropic《Building effective agents》— 举例 Claude Code 是真正 AI Native 的开发方式
- OpenAI《Defining agents》— 举例 DeepResearch 是 o3 模型端到端强化微调的 agent
3.1 RL 的意义
Lessons from DeepSeek:
- RL on strong base model works
- RL with sparse rewards works
- o1-level performance easier than expected
算法:PPO / GRPO / DPO
Rubric Engineering — the next "prompt engineering":
- 聚焦奖励函数的设计艺术
- 既要确保评估标准与终极目标对齐,又要防范 reward hacking
- 多层验证:格式合规 → 逻辑连贯 → 结果准确
- 好的 Pipeline 远胜算法 trick
- Offline RL vs Online RL 选择
四、Agent 产品设计(王晓妍)
4.1 菜鸡市场(C 端,大众)
| 产品 | 数据 | 设计要点 |
|---|---|---|
| Perplexity(最好的 Answer Engine) | $1 亿 ARR,$180 亿估值,毛利率 85% | 意图识别 + Web Search 优化 + 爬取存储 + 首 token latency + 答案模板 + followup |
| Lovable(Vibe Coding) | 3 个月 ARR 0 → $1700 万,欧洲最快增速 | 自然语言 + 图片生成代码,Visual Edits 直接面板改 |
4.2 专业市场(B 端,垂直)
| 产品 | 数据 | 设计要点 |
|---|---|---|
| Cursor(最好 AI 编程助手) | 4 个月 2x,ARR > $1.5 亿,估值 $100 亿 | Cursor tab model(in-flow Next Action Prediction)+ 自研 Cursor Small + Cursor Composer 多文件编辑 |
| Gamma(AI PPT) | 28 名员工 → 数千万 ARR + 近 5000 万用户 + 已盈利 | "Write like a doc, Present like a deck",自动转化界面,积木化组件 + Block 块状编辑 |
4.3 Agent 定价策略
Service-as-a-Software(SaaS 2.0):
- 用户分层:免费引流 → Plus 会员(为结果付费)→ Pro 会员(探索模型边界)
- 让自己的产品收益于模型能力的提升,而不会被模型能力的溢出所淹没
- 如果 API 降价,不降会员费,增加功能
4.4 三条曲线
"Keep three curves in your mind!"
- 模型能力增长曲线
- 模型成本下降曲线
- AI Agent 摩尔定律(综合两者)
五、Agent 大脑:Reasoning Model 选型(汪其香)
5.1 DeepSeek R1 家族
| 模型 | 描述 |
|---|---|
| DeepSeek V3 | Pretrain 基座 |
| DeepSeek R1-Zero | 纯 RL 训练过渡模型,aha moment 涌现 |
| DeepSeek R1 | V3 + 中间高质量推理 + 少量 SFT 优化对齐 |
| Distill 系列 | Qwen 1.5B/7B/14B/32B、Llama 8B/70B —— 蒸馏比直接小模型 RL 训练更有效 |
关键洞察:Base model 本身能力很重要(蒸馏比训练更高效)。
5.2 R1 优势 vs 局限
| 优势 | 局限 |
|---|---|
| 推理能力强(STEM 出色) | function calling / multi-turn / role-playing / JSON output 存在差距 |
| 透明性(展示思维过程) | 语言混淆(仅中英文优化) |
| 文本生成有创造力,情绪价值 | 不适合简单任务 — overthinking 远超准确率优势,大量 token 浪费 |
| 不支持多模态,安全护栏差 |
5.3 Claude 3.7 Sonnet(混合推理)
业界第一个普遍可用的混合推理模型:标准模式(快速)与 Extended Thinking(详细分析)无缝切换。
- SWE-bench Verified 标准模式 70.3%
- 支持 128K Token 输出
- 推理 token 可调(分配多少 thinking budget)
Extended Thinking 适用:复杂分析 / 高级 STEM / 长上下文 / 复杂指令 / 结构化创意 / 详细数据生成 / 约束优化任务。
反例:简单任务用 Extended Thinking,不会带来明显表现提升,反而浪费 token。
5.4 Reasoning Model Prompt 实践
- 开放式指令 > 逐步式指令:Reasoning model 在开放性指令上更出色,模型自主开发的解决方案常超人类预设
- N-shot Prompting 依然有效 — Show rather than Tell
- 提高一致性的 3 招:
- 要求 Claude 完成前通过简单测试验证
- 要求 Claude 分析前一步骤是否达到预期
- 编程任务 Extended Thinking 中运行多项测试用例
5.5 Model as Product 趋势
| 观察 | 含义 |
|---|---|
| Reasoning model + RL Scaling 还在早期 | 没有全方位 SOTA,持续关注 |
| 可调思考深度成标配 | Hybrid reasoning 未来动态分配算力 |
| FM provider 边际收益降低 → 推 Claude Code / Agentic 产品 | 卖模型不如卖应用 |
| 拥有私有数据的垂直行业 | RL + 蒸馏新范式做小模型 |
六、Multi-Agent 框架对比(汪其香)
| 框架 | 架构 | 内存 | Tool | 模态 | 学习曲线 | 可扩展性 | 部署 | 最佳场景 |
|---|---|---|---|---|---|---|---|---|
| AWS Multi-Agent Orchestrator | Cloud-native | In-Memory / RDS / DynamoDB | AWS Bedrock/Lex/Lambda | Text | 低(Python/AWS) | 高-企业级 | 低(Serverless) | 企业对内/对外大规模应用 |
| AutoGen | Conversational agents | Session-base | Custom Python | Text/Image | 适中 | 低 | 高 | 个人复杂问题,实验性 |
| LangGraph | Graph-based stateful workflows | Global State / LangMem | LangChain ecosystem | Text/Image | 陡 | 适中 | 中 | 企业内中小规模 |
| Dify | Low-code workflow builder | 外部工具 | Marketplace plugins | Text/Image/Any | 非常低 | 高(商业版) | 适中 | 非技术团队中小规模 |
| MetaGPT | Role-based SOP-driven | Session/Global env | Custom Python | Text | 适中 | 低 | 高 | 编程 SOP / 数据分析 |
6.1 AWS Multi-Agent Orchestrator 特点
- 灵活编排:任务路由 / Supervisor 编排 / 顺序工作流 / 混合多层级
- 自带 Session 记忆(In-Memory / SQL / DynamoDB)
- 集成 Bedrock Knowledge Base 检索
- Serverless 部署(AWS Lambda)
- 模块化:Agent / Tool / Storage / Retriever 抽象
6.2 MetaGPT 核心哲学
Code = SOP(Team)
- Foundational Components Layer:Environment / Memory / Roles / Actions / Tools
- Collaboration Layer:Knowledge Sharing,每个 Agent 维护消息队列,通过
_watch(action)订阅消息触发 observe → think → action → publish
七、ANP 协议:智能体的 email(常高伟,ANP 开源社区发起人)
核心论点:MCP 是模型的 USB-C,ANP 是智能体的 email。两者不冲突,层级不同。
7.1 AI/智能体与数字世界交互的 4 种方式
| 方式 | 优势 | 缺陷 |
|---|---|---|
| API | 效率高 | 缺乏标准,API 少 |
| Computer Use | 供给最多 | 成本高,体验差 |
| Browser Use | (浏览器自动化) | 无法访问 APP |
| Protocol | AI 原生连接方式,标准化 | 改造成本高 |
7.2 智能体互联网(Agentic Web)趋势
3 个趋势:
- Agent 将取代现有 APP 与软件
- Agent 之间必须实现互联互通
- Agent 通过协议实现连接与通信
2 个挑战:
- 所有智能体都能便捷身份验证
- 所有智能体都能和其他智能体连接
7.3 ANP 是什么
目标:成为智能体互联网时代的 HTTP。
愿景:为数十亿智能体构建一个开放、安全、高效的协作网络。
特点:
- 全球首个面向智能体设计的通信协议
- 让任意两个智能体都能互联互通
- 构建便于 AI 访问的数据网络
7.4 ANP 分层架构
┌────────────────────┐
│ 应用协议层 │
├────────────────────┤
│ 元协议层 │
├────────────────────┤
│ 身份与加密通信层 │
└────────────────────┘
7.5 ANP 解决的 3 个核心问题
- 智能体身份:基于 W3C DID,去中心化(非区块链)的身份认证。智能体可用自己的 ID 和任意平台/组织的智能体进行身份认证、通信、协作
- 智能体描述:基于语义网(JSON-LD / schema.org),让智能体公开基本信息、能力、接口,链接成便于 AI 读取的网络
- 智能体发现:类似 Web 站点的 DNS 发现,搜索引擎能发现全网所有智能体
7.6 W3C DID
- Decentralized Identifier(去中心化标识符)
- 2022 年成为 W3C 推荐标准
- 用户自主控制、完全自我主权的数字身份标识符
- 典型应用:Bluesky
- did:wba 方法:充分利用现有 Web 基础设施,可支持数十亿用户规模
7.7 MCP vs ANP 区别(关键!)
| 维度 | MCP | ANP |
|---|---|---|
| 类比 | 模型的 USB-C | 智能体的 email |
| 擅长 | 模型 ↔ 工具 / 资源 | 智能体 ↔ 智能体 通信协作 |
| 不擅长 | 智能体通信(必须每个 Agent 注册账号) | 工具型连接 |
| 身份认证 | OAuth 2.1(中心化,要求注册账号) | W3C DID(去中心化,用自己 ID 直接交互) |
| 协议架构 | CS(Client-Server,客户端主动连接) | P2P(Peer-to-Peer,任意发起) |
| 信息组织 | RPC 远程调用资源/工具列表 | Linked-Data(URL 链接,复用 Web 基础设施) |
| 设计理念 | Model-Centric(互联网是模型的上下文与工具) | Agent-Centric(每个智能体同等地位,去中心化协作网络) |
关键结论:MCP 用于构建智能体,智能体使用 ANP 进行协作。两者互补。
7.8 MCP 用于智能体的问题(以个人助手 + 多 Agent 为例)
- 个人助手必须在每个智能体注册账号
- 智能体无法主动连接到个人助手
→ ANP 用 W3C DID + P2P 解决
7.9 ANP 案例
开源 Manus(owl/OpenManus)集成 ANP:
- 通过 ANP SDK 与支持 ANP 协议的智能体交互
- 已开发酒店、景点智能体 + 天气查询智能体
社区现状:20+ 开发者(阿里、蚂蚁、字节、华为、快手、科大讯飞)。
7.10 ANP 理念
连接即权力。只要一个人能够自由地连接信息、连接他人、连接工具,他就拥有改变世界的能力。
让互联网从平台,回归连接。
八、独立开发实战(idoubi 艾逗笔,前腾讯高级工程师)
8.1 个人背景
- 前腾讯高级工程师,微信后台开发
- 现自由职业,all in AI 应用出海
- 全栈:Go / PHP / Python / NodeJS / K8S
- 已上线超 10 款 AI 产品
8.2 已发布产品时间线
| 时间 | 产品 | 一句话 |
|---|---|---|
| 2023-02 | GPTalk | AI 对话助手 |
| 2023-07 | 知了阅读 | AI 摘要 |
| 2023-11 | GPTs Works | GPTs 导航站 |
| 2023-12 | AI Wallpaper | AI 壁纸 |
| 2024-01 | AI Cover | 红包封面 |
| 2024-02 | Sora FM | AI 视频 |
| 2024-03 | ThinkAny | AI 搜索引擎 |
| 2024-04 | Melodisco | AI 音乐 |
| 2024-05 | HeyBeauty | 虚拟试衣 |
| 2024-08 | Pagen | AI 落地页 |
| 2024-09 | CroSearch | 跨语言搜索 |
| 2024-10 | PodLM | AI 播客 |
| 2024-11 | MCP.so | MCP 应用市场 |
| 2024-12 | ShipAny | AI SaaS 开发框架 |
| 2025-02 | CopyWeb | AI 网页复刻 |
8.3 独立开发 6 条心法
- 天下武功,唯快不破 — 一小时上线 / 周末实现 / 7 天交付
- 快不如精,长期主义 — GPTalk + 知了阅读持续打磨
- 梦想要大,切入要小 — 通用 vs 垂直 / 主要赛道:大模型 / AI 搜索 / Agent
- 自己造血,打铁还需自身硬 — 资本只是锦上添花。资本看 4 点:团队 / 竞争格局 / 商业模式 / 增长速度
- 流量为王,持续构建影响力 — Twitter / 即刻 / 小红书三平台
- 做产品最重要的是开心
8.4 AI 应用开发 SOP(技术栈)
1 小时快速上线依赖项:
| 类别 | 选型 |
|---|---|
| 开发基础 | TypeScript / React / NextJS |
| 登录注册 | next-auth / clerk |
| 数据存储 | supabase / neon |
| 多语言 | i18n / next-intl |
| 支付 | stripe / lemonsqueezy / creem |
| 文件存储 | s3 / r2 |
| 项目部署 | cloudflare / vercel |
| 域名 | godaddy / namecheap |
落地方案:
- 全栈框架:NextJS / Remix / Nuxt
- 开源模板:OpenSaaS / saas-starter
- 商业模板:ShipAny / ShipFast / MkSaaS
- UI 组件:Shadcn / MagicUI / HeroUI
8.5 ProductHunt 打榜 SOP
产品冷启动最快方式:
- 提前一周提交产品
- 争取被 Featured
- 冲榜(可买量)
8.6 程序化 SEO SOP
成本最低,见效最快的增长手段:
- 数据采集 + 清洗
- AI 摘要 + 结构化内容
- 服务端渲染 + 清晰的网页结构
- 为长尾关键词自动构建页面
- 定时更新 sitemap
8.7 AI Wrapper 指南(套壳追热点)
操作路径:
- 发现热点:HF Space / GitHub / Google Trends
- 抢注域名:Godaddy / Namecheap
- 实现功能:replicate / fal / openrouter
- 获取流量:SEO / Reddit / Twitter
- 流量变现:订阅 / 广告
8.8 idoubi 推荐的 5 个 all-in 方向
| 方向 | 子方向 |
|---|---|
| AI Coding | Coding Editor / Copilot / Coding Agent / Vertical Coding Agent |
| Agent | 通用 / 垂直 / Saas to Agent |
| Agent Infra | Tools / Planning / Memory / Boilerplate / VM/Container / Auth / Payment |
| MCP | MCP Servers / Marketplace(mcp.so)/ 原子能力平台(mcprouter)/ 消费终端 |
| (隐含)出海 AI 应用 | NextJS 全栈 + PH + 程序化 SEO + Twitter 流量 |
8.9 idoubi 写的《这就是 MCP》
- MCP 原理科普
- MCP 协议解析
- MCP 服务器开发
- MCP 客户端开发
- MCP 使用案例
- MCP 生态系统
九、4 篇汇编的合并洞察
9.1 协议生态全景
┌─ MCP ────────────────────┐
│ 模型 ↔ 工具/资源 │ CS架构 / OAuth2.1 / 中心化
├─ ANP ────────────────────┤
│ 智能体 ↔ 智能体 │ P2P架构 / W3C DID / 去中心化
├─ A2A(LFAIR)─────────────┤
│ 跨厂商 Agent 协作 │ (Linux Foundation)
└─ AGENTS.md / llms.txt ───┘
网站给 Agent 的"使用说明" (Karpathy 提议,见 [[newtype-karpathy-software-3]])
9.2 框架选型(综合 4 讲)
| 你是 | 推荐框架 / 协议 |
|---|---|
| 企业 AWS 用户 | AWS Multi-Agent Orchestrator + Bedrock |
| 个人复杂 Agent | AutoGen + 自定义 |
| 非技术团队 | Dify(low-code) |
| 编程 SOP / 数据流水线 | MetaGPT |
| 图状态工作流 | LangGraph |
| 想做工具集成 | MCP |
| 想做跨智能体协作 | ANP |
| 独立出海 | NextJS + ShipAny + PH + 程序化 SEO + Twitter |
9.3 Agent 落地铁律(4 讲共识)
- 段位匹配场景:不是所有 Agent 都要端到端微调,通用 Agent + Prompt 已经覆盖大多数场景
- 模型选型差异化:简单任务别用 Reasoning Model(overthinking 浪费 token)
- 三条曲线:模型能力 ↑ + 成本 ↓ = Agent 摩尔定律,产品设计要受益于此
- Service-as-a-Software 定价:用户为结果付费,API 降价不降会员费
- 协议层分工:MCP 做工具,ANP 做智能体协作
- 独立开发优先速度:1 小时上线 → 一周交付,资本不是必需
9.4 跟既有 wiki 的连接
- AI Agent 技术架构演进 2025(深度研究报告) — 研究报告级综述(本 wiki 是产业实操视角)
- newtype · MCP 协议与生态实战 — MCP 在 newtype 的判断(本 wiki 补充 ANP 视角)
- Karpathy · Software in the era of AI(Software 3.0) — Karpathy "为 Agent 重写基础设施"(本 wiki 补充 ANP 是落地范例)
- 王凯 出海推广 SOP 与海外多账号矩阵实战 — 王凯出海推广(idoubi SOP 是独立开发者视角的补充)
History
- 2026-05-17:Phase 4 ingest 从 4 个 AWS Agent PDF(01-04)创建。完整覆盖 Agent 4 阶段 + 4 要素 + 段位 3 级 + Reasoning Model 选型 + Multi-Agent 框架对比 + ANP 协议(对标 MCP)+ idoubi 独立开发 SOP。