# py-agent 入门教程：本地 AI Agent + Skill 工作流

> 来源：声文速记录音，2026-09-14 20:49
> 作者：黑心李超（视频博主）

---

## 核心观点

**公式：AGENT + SKILL**

这是普通人现在最基本的框架、最本质的逻辑。

---

## T0 级别 Agent 排名（作者评价）

- Cursor / Claude Code / OpenCode — 代码智能体，产出是代码
- **py-agent** — 日常任务智能体，产出是结果，代码只是手段

---

## py-agent 的独特设计

- **底座极简**：只保留四个基础工具——读文件、写文件、改文件、跑命令
- **按需装 Skill**：每装一个 Skill 就多一项能力，每人手中的 py-agent 都不一样
- **官方口号**："世界上有很多其他 Agent，但这个 py-agent 就是你自己的 Agent"

### 为什么极简设计更好？

| 指标 | py-agent | Cursor/其他 |
|------|----------|------------|
| 系统提示词长度 | <1500 字 | 15000-20000 字 |
| token 消耗 | ~1/3 | 基准 |
| 响应速度 | 更快 | 较慢 |
| 注意力集中度 | 更高 | 易分散 |

在 Open Router 排行榜上，py-agent 每日 token 消耗量排第六，含金量极高。

---

## 安装步骤

1. 安装 Node.js（所有 Agent 的基础依赖）
2. 可选：设置国内 npm 镜像（腾讯镜像加速）
3. 运行一行命令启动（Windows 用 PowerShell，Mac 用 Terminal）
4. 自动弹出网页应用界面

**界面构成**：左边文件浏览器 + 中间对话框 + 底部模型/Skill 设置

---

## 模型配置

- 支持官方供应商 + 自定义接口
- 作者推荐：Claude 3.5（量大能力强）
- 勾选推理模式 + 图片输入，窗口 20万，输出 64000

---

## 五大核心 Skill（覆盖 90% 日常场景）

### 1. 搜索 Skill
- **Tavily Search**：免费账号每月 1000 次，适合新手
- **Brave Search**（bad logic 版）：结果更好，需绑信用卡

### 2. 读文件 Skill
- **PDF Skill**（OpenAI 发布版）：文字版直接提取，扫描版需开图像识别
- 同类：Word、PPT、Excel Skill

### 3. 语音 Skill（Edge TTS）
- 无需账号，直接安装即用
- 能生成 mp3 音频 + HTML 网页（含文稿+音频播放器）

### 4. 生图 Skill（GPT-Image）
- 调用 ChatGPT 的图像生成能力
- 需要 GPT Plus/Pro 订阅
- Mac 直接可用，Windows 遇报错让 py-agent 自己修 bug

### 5. 视频 Skill（HyperFrames）
- 思路：先生成带动画的 HTML → 逐帧渲染成视频
- 适合：讲解类视频、产品介绍、科普动画
- 优势：代码生成极稳定，可编辑可预览

---

## 工作流串联 Demo

**任务**：做一份英伟达 GB200 NVLink72 AI 机柜成本拆解演讲稿（300万美元花在哪？）

**一句话 prompt** → py-agent 自动拆解七步：

1. 搜索 Skill → 查英伟达官方资料 + 公开报道
2. 整理资料，记录关键数字和来源
3. 拆解成本（算力核心 / 网络互联 / 液冷电力等）
4. 写中文演讲稿，硬件术语翻译成人话
5. GPT-Image → 生成图片素材
6. TTS → 生成中文语音解说
7. HyperFrames → 标题页 + 成本拆解 + 图片 + 动画 + 语音组合成演讲界面

**产出**：完整项目文件夹（资料笔记 + 成本拆解 + 演讲稿 + 语音 + 图片素材 + 可直接打开的 HTML 演讲页面）

**成本**：类似任务约 $0.3 美元额度（订阅 $200/月套餐可用约 $5000-10000 额度）

---

## 核心结论

> coding agent 解决的是开发效率，AI Agent 解决的是工作流效率。

- 代码 Agent（Cursor 等）：产出是代码，为程序员设计
- 日常任务 Agent（py-agent）：产出是结果，人人可用
- 关键公式：**AGENT + SKILL** = 普通人进入 AI 时代最直接的路径