为什么我劝你自己搭一个 Agent：从 OpenClaw 到 EvoPaw 的实践心得

✍ Xudong Han🕐 2026-05-01📦 16.5 KB 🟢 已读 𝕏 文章列表

作者分享了将个人助手 EvoPaw 从 CrewAI 迁移到 Claude Agent SDK，并最终自建框架的经历。文章深入探讨了为何即便有 OpenClaw 等成熟方案，个人仍应自建 Agent：为了避免陷入工具频繁迭代的“注意力税”，掌握数据主权与隐私，以及通过“偷”学开源代码和利用 Claude Code 等 AI 辅助工具降低开发门槛。作者认为，自建的过程是一个让系统真正理解个人工作流并伴随需求共同进化的过程。

Agent EvoPaw 个人开发开源框架迁移数据主权 Claude Code 教程 LinuxCopilot

# 为什么我劝你自己搭一个 Agent，哪怕 OpenClaw 和 Hermes Agent 已经够好了 **作者**: Xudong Han **日期**: 2026-05-01T05:20:47.000Z **来源**: [https://x.com/Xudong07452910/status/2050082986238918780](https://x.com/Xudong07452910/status/2050082986238918780) --- ![Image](/doc/1387/image/img_39292a7c6ced.jpg) 上个月，我把自己的个人 agent 底层框架整个换了一遍。从之前框架底层使用的 CrewAI 迁移到 Claude Agent SDK，再到后来支持多家模型厂商，500 多个单元测试重写，十几个 Skill 脚本逐个适配，记忆系统推倒重来。整个过程断断续续搞了一个多月，中间有好几个凌晨是对着报错信息发呆的。你可能会问，为什么不直接用 OpenClaw 或者 Hermes Agent？说真的，我也问过自己这个问题。不止一次。每次刷推特看到有人晒自己用 OpenClaw 三分钟搭好一个全能助手，或者 Hermes Agent 的闭环学习又进化出了什么神奇技能，我都会停下来想，我是不是在造一个没必要的轮子。但我还是选择了自己搭。今天想聊聊为什么。 --- ## 为什么要自己动手：从 EvoPaw 说起先说背景。我做的这个 agent 叫 EvoPaw (https://github.com/hxdflying/EvoPaw)，小爪子，是一个飞书上的工作助手。它能帮我处理文档、搜索信息、管理日程、真值做学术相关工作，基本上能覆盖我日常工作里七八成的重复劳动。它不是从零开始写的。最早的版本其实是跟着一个简单的 agent 课程项目，用的是 CrewAI 框架加上阿里云的沙盒环境。那个版本能跑，但很粗糙，像一个毛坯房，能住但谈不上舒适。后来我一点一点地加东西。加了记忆系统，让它能记住我们之前聊过什么。加了定时任务，让它每天早上自动给我推送信息。加了语音消息支持，加了多模态图片理解，加了十几个专用技能。到后来，底层框架已经完全跟最初的课程版本不一样了。这个过程，其实就是我想说的第一个点。你不需要一开始就搭一个完美的 agent。你只需要搭一个能跑的，然后让它跟着你的需求一起长大。 --- ## 拒绝框架的“注意力税”：掌握进化的主动权推特上有个观点我特别认同，是 @Pluvio9yte 说的。他从 OpenClaw 切换到 Hermes Agent，详细记录了那个过程里的「注意力税」，每次新框架出现，你都要花大量时间重新配置 prompt、记忆系统、工作流。永远卡在配置层，没有人真正跑到应用层。这种感觉我太熟悉了。我观察了这一两个月的个人 agent 生态，OpenClaw、Nanobot、Hermes Agent，基本上每隔一个月就有一个「更好的」出现。然后你就陷入一个循环，花两天配置好环境，花三天调好 prompt，刚觉得顺手了，又有人告诉你，「嘿，那边出了个新的，比你现在用的强太多了」。然后你又开始迁移。然后你又花了两天配置环境。然后你又花了三天调 prompt。循环往复。 ![Image](/doc/1387/image/img_9ff4dc77b696.jpg) 我觉得这里面有一个根本性的问题，就是当你的 agent 搭在别人的框架上，你就把「进化的主动权」交出去了。框架升级你得跟着升级，框架换了你得跟着换，框架不维护了你得重新选型。你以为你在用工具，其实你在被工具用。而当你自己搭的时候，情况完全不一样。我的 EvoPaw 刚开始从 CrewAI 迁移到 Claude Agent SDK，听起来是一次大动干戈的重写。但实际上，因为我自己设计了模块边界，飞书接入层完全没动，技能系统的接口没变，记忆层的数据格式向后兼容。变的只是中间的 agent 编排层。后来我又把底层拆成了多 provider 架构，想用 Claude 就用 Claude，想换 Kimi 或者别的模型也随时能切，编排层以上的代码一行没动。这种「想换哪层就换哪层」的自由度，是你用别人的框架很难拥有的。 --- ## 学会“偷”师：拆解与重组的能力第二个我想说的点，是关于「偷」。坦率的讲，我写 EvoPaw 的过程里，研究别人的开源项目花的时间可能比写代码还多。我认真读过 Hermes Agent 的源码。它教会我一件事，怎么让技能脚本不关心自己被装在哪个目录里。听起来是小事对吧？但当你的 agent 有十几个技能的时候，这个「小事」会变成噩梦。Hermes Agent 用了一套很聪明的占位符机制来解决这个问题，我直接偷过来了。我读过 Nanobot 的代码，学了它的「依赖预检」思路。就是在一个技能真正执行之前，先检查它需要的东西全不全，缺了就跳过，而不是跑到一半报个错把你吓一跳。这个设计太优雅了，也偷过来了。我读过 Pi-mono，一个 TypeScript 写的 agent 框架，它的多 provider 抽象做得特别干净。我没有直接用它的代码，但我学了它的分层思路，把「provider 选择」和「请求构造」拆开，这样以后想换模型厂商不用动整个 agent 逻辑。我甚至读过 yoyo-evolve，一个用 Rust 写的会自我进化的 coding agent。它让我意识到一件事，EvoPaw 当时最大的问题不是「只支持 Claude 模型」，而是「整个运行时都绑死在 Claude Agent SDK 上」。这两个问题看起来像一回事，其实完全不同。前者是 API 层的问题，后者是架构层的问题。想通这一点之后我就动手拆了，把 provider 层独立出来，现在 EvoPaw 不绑死任何一家，Claude、Qwen、其他 OpenAI 兼容的模型都能接。你看，这就是自己搭 agent 的一个隐藏好处。当你亲手搭过一遍之后，你再去看别人的方案，你能看到的东西完全不一样。你不会再问「这个框架好不好用」，你会问「这个框架在这一层的设计比我的好在哪里，我能不能只偷这一层」。这种拆解和重组的能力，只有动手搭过的人才有。用现成框架的人看到的是一个整体，自己搭过的人看到的是一堆可以拼装的零件。 ![Image](/doc/1387/image/img_5f969f99466a.jpg) ## Vibe Coding：2026 年的门槛已低到离谱第三个点，也是很多人最关心的，成本。我知道很多人不自己搭的原因就一个，觉得太难了。要懂 LLM 编排，要懂工具集成，要懂记忆系统，要懂异步编程，要懂 Docker 隔离... 光是列出来就让人头大。但我想说一个可能有点反直觉的事实，在 2026 年，搭一个个人 agent 的门槛已经低到离谱了。你想想看，你用 Hermes Agent 跑了两个礼拜，挺顺手的。但有一天你发现它每次回复都巨长，你明明只想要一句话的结论，它非得给你写三段分析。你烦了。然后你打开它的 system prompt 文件，把「请详细解释你的推理过程」改成「用一句话回答，除非我追问」。保存，重启。就这么一句话的事。你刚刚「改」了你的 agent。不需要写代码，不需要懂编程。就是打开一个文件，改了一行字。然后过几天你又发现，它不认识你公司内部用的缩写，每次都得给它解释一遍。你索性新建一个文件，把常用缩写和含义写进去，告诉 agent「回答前先看看这个」。又搞定了，你刚刚给你的 agent 加了一块「记忆」。到这一步，你做的所有事情都跟「写代码」没有任何关系。再往后，你可能想搞点更骚的操作了。比如让它每天早上 9 点自动给你推送今日待办。这一步确实得碰代码了，但问题是，2026 年了，你不需要自己写啊。你打开 Claude Code，跟它说「帮我写一个脚本，每天早上 9 点从我的日历里拉取今天的待办事项，发给我」。它帮你写好了，你粘贴过去，跑起来了。这玩意就叫 vibe coding。你负责想，AI 负责写。我自己的 EvoPaw 有一大堆功能就是这么来的。我跟 Claude Code 说「我想让它能读 PDF」，它帮我写了个 PDF 解析的 Skill。我说「我想让它记住我们聊过的东西」，它帮我搭了记忆系统的框架。后来越搞越上头，Word、Excel、PPT 的处理也加上了，再后来连飞书的云文档、日历、群消息都能直接操作了。我现在在飞书上甩给它一份文档，它能帮我读完、提炼要点、顺手存进记忆里，下次再聊相关的东西它自己就能想起来。我有时候自己都觉得有点离谱，这些功能我都没有正儿八经坐下来「写」过，就是一轮一轮跟 Claude Code 聊出来的，我负责说「我要什么效果」，它负责实现，我再调细节、测试、修 bug、迭代。说实话这个过程也不是完全无痛的，我也有好几个凌晨在 debug，也有过「这破玩意怎么又挂了」的崩溃时刻。但重点是，每一步的跨度都不大。你不是从「什么都不会」一步跳到「搭出一个完整 agent」，你是从改一行 prompt 开始，一点一点地，把越来越多的东西变成自己的。改着改着，你就有了自己的 agent。你甚至说不清是哪一刻从「用别人的」变成了「用自己的」。就是鬼使神差的，它就变成你的了。我的小爪子就是这么长出来的。最初是课程项目，后来是自用工具，再后来是一个我每天都在用、每周都在改的系统。而且说到钱的话，真的没你想的那么贵。如果只是日常办公，用国产的API 费用每天也就十几块钱人民币，部署就一台能跑 Docker 的机器，我直接跑在自己工作站上，连服务器都不用租。 --- ## 数据主权：If it doesn't run on your machine, you don't own it 有个说法我很喜欢，「If it doesn't run on your machine, you don't own it」。如果它不在你机器上跑，你就不拥有它。这句话放在个人 agent 这件事上特别准确。你想想看，一个用了两三个月的 agent，它知道什么？它知道你每天几点开始工作，知道你习惯先看什么后看什么，知道你跟哪些同事聊得最多，知道你最近在焦虑什么项目。如果你用它管日程，它知道你每一天的行踪。如果你用它读文档，它知道你公司内部在讨论什么。这些数据加在一起，比你的浏览器历史还私密。我不是说 OpenClaw 或 Hermes Agent 不安全，它们都是很优秀的开源项目，社区也很活跃。但这块需要注意一下，「开源」和「你能控制数据」是两回事。代码开源不代表你的对话记录、记忆快照、个人偏好存在你自己的机器上。有些框架的记忆系统会把数据同步到云端，有些会在你不知情的情况下把上下文发给第三方 API 做处理。你以为数据在本地，其实早就飘到你不知道的地方去了。还有一个更深层的问题。说实话，OpenClaw 和 Hermes Agent 之间的数据迁移做得还不错，对话记忆、prompt 这些基本能带走。但你有没有想过一个事，你的数据能在它们之间迁移，是因为它们之间恰好兼容。如果有一天你想换到一个不在这个生态圈里的框架呢？或者更极端一点，如果这两个项目有一天不维护了呢？你积累了半年的记忆、习惯、工作流，全都存在别人定义的数据格式里。能不能迁移，不取决于你，取决于下一个框架的作者愿不愿意做兼容。这个感觉有点像你所有的照片都存在某个云相册里，它免费的时候挺好用，有一天它涨价了或者关停了，你才发现导出功能藏在一个犄角旮旯的地方，导出来的格式还不一定能被别的工具识别。但如果你自己搭的呢？数据格式你定的，存储位置你定的，想迁移的时候你只需要换中间的 agent 编排层，记忆数据原封不动地带着走。我的 EvoPaw 从 CrewAI 换到 Claude Agent SDK 再到多 provider，换了两次底层，记忆层的数据格式一直向后兼容，一条对话记录都没丢。因为这个格式是我自己设计的，我想怎么存就怎么存，不用看任何人的脸色。数据存在哪里，你决定。用什么模型，你决定。哪些信息进入 LLM 的上下文，哪些不进入，你决定。什么时候升级什么时候不动，你决定。这种掌控感，不是技术问题，是主权问题。 ![Image](/doc/1387/image/img_359e52f6214e.jpg) --- ## 总结与建议：让系统成为你的一部分回到最开始的问题。OpenClaw 和 Hermes Agent 已经够好了，为什么还要自己搭？我的回答是，你不是在搭一个工具，你是在搭一个理解你的系统。工具可以买，可以下载，可以切换。但一个真正理解你工作方式的系统，只有你自己能搭出来。因为这个世界上没有第二个人跟你有完全一样的需求，完全一样的工作流，完全一样的偏好。 OpenClaw 和 Hermes Agent 提供的是一个很好的起点。但起点不是终点。我自己的建议是这样的，不一定对，但可以参考。如果你是第一次接触个人 agent，先用 OpenClaw 或者 Hermes Agent 跑起来就行。别想太多，先感受一下「有个 AI 助手 24 小时在线」是什么体验。这一步花不了一个小时。然后认认真真用它两周。别光觉得酷，要带着挑剔去用。它哪次回答让你觉得「对对对就是这个」，哪次让你觉得「你能不能别废话」，哪个需求你试了半天它就是搞不定。把这些感受记下来。记下来之后，你就知道从哪开始动手了。话太多？改一行 prompt，前面说过了，就是改一句话的事。不了解你的工作？给它加个文件。想让它主动找你？打开 Claude Code 跟它说你想要啥效果，让它帮你写。你不需要一次到位。今天改个 prompt，下周加个功能，下个月可能觉得底层不够用了，那就换一层。或者不换也行，就在现有框架上接着折腾。反正核心就一件事，让这个系统一点一点变成你自己的。不需要你是程序员。2026 年了，你有 Claude Code、Codex。你负责想，它们负责写。顺着上面的再聊聊，如果你本身就有一些编程基础，其实还有一条更直接的路。去看看 Pi 或者 Nanobot 这类相对轻量的 agent 框架，代码量不大，结构也干净，很适合拆开来学。你不需要全盘照搬，就是读一读它们的分层设计，provider 怎么抽象的，工具怎么注册的，记忆怎么持久化的。看明白了之后，挑你觉得有用的部分偷过来，嫁接到你自己的项目上。我前面说的「偷」，其实就是这个意思。这条路走起来会更快，但也更自由，因为你从一开始就知道每一层在干什么，想换哪层随时换。 --- ## 结语：大时代下的选择我跟我的小爪子已经一起走过了一个多月。从最初那个只会转发消息的毛坯 bot，到现在能帮我读研报和论文、管日程、搜论文、自动推送每日科技，AI摘要等等的全能助手。这中间重写过一次底层框架，研究过四五个开源项目的源码，写了十几份分析文档，踩了无数的坑。但每一步都是我自己选的方向，每一个改动都是因为我真的需要。不是框架告诉我应该怎么用，是我告诉这个系统它应该怎么为我工作。这个差别，只有自己搭过的人才能体会。大时代啊，朋友们。我们正站在一个每个人都能拥有自己的 AI 助手的时刻。不是用别人做好的，而是自己搭的，按自己的意思来的，跟自己一起进化的。这个机会，我觉得值得每个人认真想想。可能有些想法还不成熟，但我已经毫无保留地分享了。希望对你有一点点启发。对了，说了这么多「为什么要自己搭」，肯定有人想问，那到底怎么搭？别急，下一篇我会把我搭 EvoPaw 的完整过程拆开来写，从你刚拿到一个相对简易的 agent 到现在这个能帮我干很多活的助手，中间每一步怎么做的，踩了哪些坑，用了哪些工具，全部掰开揉碎讲一遍。不管你是零基础还是老手，保证你看完之后能动手。谢谢你看我的文章，我们下次再见。 ## 相关链接 - [Xudong Han](https://x.com/Xudong07452910) - [@Xudong07452910](https://x.com/Xudong07452910) - [2.3K](https://x.com/Xudong07452910/status/2050082986238918780/analytics) - [https://github.com/hxdflying/EvoPaw](https://github.com/hxdflying/EvoPaw) - [@Pluvio9yte](https://x.com/@Pluvio9yte) - [1:20 PM · May 1, 2026](https://x.com/Xudong07452910/status/2050082986238918780) - [2,305 Views](https://x.com/Xudong07452910/status/2050082986238918780/analytics) - [View quotes](https://x.com/Xudong07452910/status/2050082986238918780/quotes) --- *导出时间: 2026/5/1 21:04:53*

🔗 相关文档