引言：寻找 AI 时代的“摩擦力”

在上一篇文章中，我提到传统互联网公司进入 AI 时代的敲门砖是数据融合能力。但作为一名长期与 Golang、gRPC 和微服务打交道的后端开发，我最近一直在思考另一个问题：当 AI 不再只是一个“对话框”，而是一个能动我磁盘、调我接口的 Agent 时，开发者的角色会发生怎样的质变？

这两天，我通过 Clawdbot 与一个具备工具调用能力的 AI Agent（以下简称 Agent）进行了一场深度协作实验。从 Skill 挂载到手搓 Chrome 插件，再到金融决策的自动化落地，整个过程让我感到一种近乎“恐怖”的生产力加速，同时也带来了一种全新的“创作焦虑”。

一、 武装 Agent：从对话框到工具箱

以往我们用 ChatGPT，更多是“问答”。但在 Agent 模式下，第一步是赋能。

我通过简单的 URL 交互，为我的 Agent 挂载了几个核心 Skills：

  1. 📊 财务/行情接口：对接同花顺 iFind 数据的 Qveris 插件。
  2. ⏰ 提醒事项：基于 AppleScript 封装的 macOS 原生提醒工具。
  3. 🎨 设计标准：一套名为 frontend-design 的现代 UI 规范。

感悟：当 Agent 拥有了环境变量（.env）和 CLI 工具的执行权后，它就不再是一个聊天机器人，而是一个**“拥有手脚的数字员工”**。

二、 消失的 IDE：45 分钟手搓 Z-Lib 插件

这是整个实验中最震撼的部分。我尝试让 Agent 的子代理（Sub-agent）帮我开发一个 Z-Library Chrome 插件。

1. 意料之外的执行路径

我并没有让它调用 Cursor，结果它直接在我的 $HOME/agent-projects/ 下，通过原生的 write 指令，物理性地一行行写出了 manifest.json、popup.html 和 popup.js。 没有 IDE，没有代码补全，只有 Agent 脑子里的逻辑和对文件系统的直接操控。

2. 自主 Debug 的“侦探逻辑”

初版插件运行后，在搜索 https://zh.zlib.li 时报了 Failed to fetch。

  • 现象：由于 Z-Lib 镜像站域名多变，Manifest 权限越界。
  • Agent 行为：它没有问我“代码怎么改”，而是自主分析了跨域报错，将权限重构为通配符模式。
  • 深度治理：它进一步识别出 eAPI 需要特定的 remix_userid Cookie，并主动在 manifest.json 中申请了 cookies 权限，实现了认证 Token 的自动抓取。

结论：在小型项目上，Agent 的交付速度已经跨越了“辅助编程”，直接进入了“结果交付”阶段。

三、 决策闭环：从 A 股行情到 Reminders 提醒

我给了 Agent 一个模糊的任务：分析今天的涨停板，选一个下周一能买的。

它调用了选股通的涨停池 API，对比了天地在线 (002995) 和 中水渔业 (000798)。

  • 逻辑拆解：它通过技术面（中水渔业今日 0 炸板、倍量突破）和基本面（2025 年预盈扭亏、一号文件预期）给出了明确的买入位和止损位。
  • 行为落地：最绝的是，它最后通过 AppleScript 脚本，直接在我的 Mac 提醒事项里建了一根 2 月 2 日 09:00 的“闹钟”，内容包含了所有的操作细节。

四、 终极焦虑：当实现变得太快

作为开发者，我在这场协作中产生了一种莫名的迟疑。

传统的开发流程中，“摩擦力（Friction）”给了我们思考的时间。而 Agent 的“低阻力实现”，让我提笔忘字。当想法变成现实的成本趋近于零，我们作为“创造者”的价值，正在快速向**“架构设计”和“逻辑审计”**偏移。

就像我在处理微服务项目时发现的，AI 经常找不到业务层的 Client 初始化代码。这时候，我需要做的不再是写那行 grpc.Dial，而是要充当一名**“侦探”**，引导 Agent 去追踪数据流（Data Flow）和结构体（Structs）。

结语

AI 时代的敲门砖是数据，而留在这个时代的门票，可能是你指挥 Agent 解决复杂逻辑冲突的能力。

以后，我也许会习惯这种“边聊天边上线”的节奏。但在那之前，我依然会保持那份对逻辑确定性的敬畏。