我的第一个 Agent 项目复盘：从 demo 到能跑

学了一个月 Agent 理论后，我决定动手做一个真正能用的东西：自动周报 Agent——给它一周的 Git commit 和会议笔记，自动产出周报。这篇复盘记录我从想法到 demo 的全过程。

需求拆解

输入：Git log（本周 commits）+ 我的随手笔记（散乱文本） 输出：结构化周报（本周完成 / 下周计划 / 风险阻塞）

我把它拆成 3 个 Agent：

1. Collector：拉取 git log，解析笔记
2. Writer：把素材组织成周报初稿
3. Reviewer：检查周报是否覆盖所有要点，打回重写

架构选择

一开始想用 LangGraph 画状态机，结果发现复杂度爆炸。改用最简单的串行 pipeline：Collector → Writer → Reviewer → (若不通过则回到 Writer)。先跑通再加复杂度，这是这次最重要的教训。

踩过的三个坑

坑1：上下文太长导致模型跑偏

把整周 git log 全塞进去，模型经常抓不住重点。解决方案：先让一个小 LLM 做摘要，再喂给 Writer。

坑2：Reviewer 永远说"通过"

第一次写 Reviewer prompt 时，它基本不会打回。后来在 prompt 里加了"必须列出至少 2 个改进点"，才让评审真的起作用。LLM 默认是讨好型的，prompt 要明确要求它挑刺。

坑3：输出格式不稳定

让模型输出 JSON，偶尔会输出带 markdown 代码块的 JSON，解析直接炸。最后用了 json-repair 库做容错，问题缓解。

最终效果

跑通后，一份周报从原来手写 30 分钟，压到 3 分钟 review + 微调。对一个学生组织的小项目来说，已经够用。

复盘

• 先 MVP 再优化：别一上来就上 LangGraph
• prompt 是核心：每个 Agent 的 prompt 都迭代了 5 版以上
• 加日志：记录每一步的输入输出，debug 神器

做项目比看十篇博客学到的都多。下一步想加上"自动发飞书"功能。