AI Agent 不是一个盒子，而是一条可执行能力光谱
这篇是根据一张 X 长帖截图做的中文译编。截图显示，Anatoli Kopadze 在 6 月 8 日发布了一篇长帖，主题是 AI Agents 是什么，以及如何用 Claude Code、Telegram 和一台 VPS 在短时间内搭一个自己的 agent。
我没有把它处理成逐字翻译。原因很简单：可核验材料只覆盖截图里能看到的段落，截图之外的长帖全文没有可靠原文可逐句对照。下面保留截图里能确认的主线，同时结合 Anthropic 对 agentic system 的工程定义，整理成一篇更适合中文读者阅读的技术文章。
先把 agent 这个词降温
很多人说 agent 时，脑子里想的是“AI 会自己做事”。这个说法不算错，但太粗了。真正有用的理解是：agent 不是一个单独类别，而是一条能力光谱。
在光谱左侧，是一次性的 LLM 调用。你给模型一段输入，它生成一段输出。这个模式适合问答、总结、改写、分类，也最容易测试和控制。
再往右，是增强型 LLM。模型可以使用检索、记忆、工具和结构化输出。它仍然主要围绕一次请求响应工作，但已经能把外部环境纳入上下文。
再往右，是 workflow。系统把任务拆成固定步骤，比如先写方案，再生成代码，再跑测试，再让另一个模型审查。这里的“流程”主要由人写好的程序控制，模型负责每一步里的判断或生成。
最右侧才是更接近通常意义的 agent：模型能根据环境反馈自己决定下一步。它会读文件、调用 API、运行命令、观察结果、修正计划，必要时回到用户那里确认风险。
这条线的重点不是“越自动越高级”，而是：任务是否真的需要开放式行动。如果路径明确，用 workflow 反而更便宜、更稳定；如果路径不可预先穷举，agent 才有意义。
用 Telegram 搭 agent，真正要搭的是执行闭环
截图里的流程很直观：API Key、Telegram Bot Token、VPS、Claude Code 生成 bot、agent 在 Telegram 里运行。表面看是五个方块，工程上其实是一个闭环：
- Telegram 收到用户消息。
- bot 服务把消息转成 agent 能理解的任务。
- agent 调用模型、工具或本地代码推进任务。
- 服务把结果回写到 Telegram。
- 日志、权限和错误处理决定它能不能长期运行。
这里最容易被忽略的是第 5 步。一个 demo 能回复消息，不等于一个 agent 能上线。至少要处理这些问题：
- token 和 API key 只放在服务器环境变量里，不进仓库。
- bot 默认只响应白名单 chat id，避免被陌生人消耗额度。
- 每条消息要有超时、重试和失败提示，不要让用户一直等。
- agent 的工具权限要从小开始，先只允许读写指定目录和调用必要 API。
- 关键动作要留下日志，方便回溯一次错误回答是模型问题、网络问题还是工具问题。
如果不做这些，所谓“20 分钟搭 agent”更像一个可运行玩具，而不是可托管的服务。
Claude Code 适合做哪一段
Claude Code 的价值不是替你“变出一个产品”，而是把一个自然语言目标落到代码仓库里：建项目结构、写 bot handler、接 Telegram Bot API、补 .env.example、写部署脚本、加日志、跑本地测试。
比较好的提示方式不是“帮我做一个 Telegram agent”，而是把边界讲清楚：
- 用 Node.js 还是 Python。
- 使用 polling 还是 webhook。
- 只允许哪些 chat id。
- 模型 API 从环境变量读取。
- 失败时返回什么提示。
- 需要哪些命令，例如
/start、/help、/reset。 - 是否要保存会话历史，保存多久。
Claude Code 能读文件、编辑文件、运行命令，这让它比普通聊天框更适合做这种端到端搭建。但也因为它能执行动作，所以权限边界必须写清楚。一个 agent 项目最早该写的文件，不一定是业务代码，而是 README、环境变量模板、权限说明和启动脚本。
no-code 的边界
截图里的“without writing code yourself”容易让人兴奋，但更准确的说法是：你可以不亲手敲每一行代码，但你仍然要负责需求、权限、验收和运行环境。
这和雇一个工程师类似。你可以把实现交给别人，但不能把产品责任交出去。agent 越能行动，越需要明确的验收标准：
- 它应该回答什么。
- 它不应该回答什么。
- 它能调用什么。
- 它什么时候必须停下来问人。
- 它的错误能否被日志复现。
所以，AI agent 的门槛确实降低了，但门槛转移了：从“我会不会写 bot 框架”变成“我会不会设计一个可控的执行系统”。
结论
Agent 不是魔法，也不是单一产品形态。它是一套从 LLM 调用、工具接入、流程编排到自主执行的连续谱。
Telegram agent 是一个很好的入门项目，因为它入口简单、反馈快、部署成本低。但真正值得学习的不是 Telegram 本身，而是 agent 的基本骨架：输入、计划、工具、执行、反馈、权限、日志、恢复。
把这套骨架做好，后面换成 Slack、企业微信、网页控制台或自动任务调度器，都只是入口变化。
参考资料
- X 长帖截图：Anatoli Kopadze，@AnatoliKopadze，6 月 8 日长帖截图
- Anthropic Engineering: Building effective agents
- Claude Code Docs: Overview
- Telegram: Bot API