不会写代码的我，但用 Claude code一个人做了一个三端 AI Agent 平台
首先，我不是程序员，之前做的事情跟写代码完全无关。2025年底的时候一个小事件让我茅塞顿开，我尝试用GEMINI做了一个小程序，然后又做了一个轻量版的量化选股交易程序。发现 AI 写代码的能力已经强到可以让一个外行人独立做出完整的软件产品。于是我决定验证一件事： “一个不会写代码的人，到底能用 AI 做出什么？” 三个月左右的时间吧，做了10个左右的产品，包括app(ios/android)，小程序、网站、报价系统、调研系统等等。思路完全打开了。春节前看到了爆火的Openclaw，我自己也尝试安装，说实话这个东西还是对普通人有一些门槛的，所以我灵机一动，干嘛不做一个能让普通人更容易用上的系统呢，于是这个项目“Agentos”就诞生了。GitHub 开源地址：github.com/tiantianlao…
我在使用openclaw过程中感觉有几个问题
第一，OpenClaw必须要有一个社交媒体作为交流媒介。消息混在一起，感觉和别的对话都在一起，有点乱。
第二，安装的确比较复杂。 没有技术背景的人真没法上手，这也就滋生了新的生意“上门安装啊”“安装openclaw教程”等等。感慨国人的聪明。
所以我想一个 App，能连所有的 AI Agent，让普通人更容易使用。
大概花了20天吧，最后做出了现在这个版本。
系统架构：
┌──────────────────────────────────────────────────────────┐ │ 客户端 │ │ ┌──────────┐ ┌─────────────┐ ┌─────────────────┐ │ │ │ 移动端 │ │ 桌面端 │ │ Web（计划中） │ │ │ │ (Expo RN) │ │ (Tauri v2) │ │ │ │ │ └─────┬─────┘ └──┬─────┬────┘ └─────────────────┘ │ │ │ │ │ │ │ │ 聊天│ │desktop.register │ │ └──────┬──────┘ │(自动，所有模式) │ │ │ WebSocket │ │ └───────────────┼────────────┼───────────────────────────────┘ │ │ ┌───────────────┼────────────┼───────────────────────────────┐ │ AgentOS 服务器 (:3100) │ │ ┌─────────────────────────────────────────────┐ │ │ │ WebSocket 处理器 │ │ │ │ ├── 认证（JWT + 短信验证码） │ │ │ │ ├── 速率限制 │ │ │ │ ├── 记忆（提取 + 注入） │ │ │ │ ├── 技能注册表（Function Calling） │ │ │ │ ├── LLM 代理（多厂商） │ │ │ │ └── 桌面命令中继 ◄────────────────┐ │ │ │ └──────────┬──────────────────────┬──┘ │ │ │ │ │ │ │ │ ┌──────────▼──────┐ ┌──────────▼──────────┐ │ │ │ │ Agent 适配器 │ │ LLM Provider │ │ │ │ │ ├── OpenClaw │ │ ├── DeepSeek │ │ │ │ │ ├── CoPaw │ │ ├── OpenAI │ │ │ │ │ └── Desktop │ │ ├── Anthropic │ │ │ │ │ │ │ ├── Moonshot │ │ │ │ └─────────────────┘ │ ├── Gemini * │ │ │ │ │ ├── Qwen * │ │ │ │ │ ├── ZhiPu * │ │ │ │ │ └── OpenRouter * │ │ │ │ └─────────────────────┘ │ │ │ * = 自带 Key 模式（客户端提供 Key，通过代理路由） │ │ │ │ 桌面执行链路: │ │ 手机 → 服务器 → desktop.command → 桌面端 Rust │ │ 桌面端 Rust → desktop.result → 服务器 → 手机 │ └──────────────────────────────────────────────────────────────┘
核心功能
AgentOs 内置的agent小助理
1、日常聊天
2、记忆编辑（让它更好的理解你）
3、添加技能（我觉得这个很酷，支持MCP直接导入、.md文件导入、https技能接入、还可以直接ai帮你生成技能）
4、手机远程控制桌面（自带桌面控制技能）
Openclaw一键部署
1、支持从未安装过的用户在本地电脑直接“一键部署”即可体验openclaw
2、也支持已经自己部署过openclaw的，可以迁移到AgentOs，实现远程部署（AgentOs仅作信息转发）
3、功能性全部由openclaw自己处理。
技能商店
技能商店支持 MCP 一键导入、Markdown 文件导入、HTTPS 接入，还能让 AI 帮你自动生成技能。用户开发的技能可以申请公开，平台审核后上架。
说说用 AI 开发的真实体验
真实情况是：我全程使用Claude Code 写了绝大部分代码。 我做的事情是：想清楚要做什么、怎么拆解、什么顺序做、架构怎么设计。然后把需求描述清楚，让 AI 写代码，我来测试和验证。
举个例子。适配器模式不是 AI 自己想出来的。是我在研究了 OpenClaw、CoPaw等的接入方式后，意识到需要一个统一的抽象层，然后告诉 Claude："我需要一个 AgentAdapter 接口，每种 Agent 实现自己的适配器，核心代码不需要改动就能接入新 Agent。" Claude 生成了代码，我来检查逻辑对不对。
AI 不能替代的是什么？ 是产品判断力。选择做什么不做什么、先做什么后做什么、用户需要什么不需要什么——这些 AI 给不了你答案。它是一个极其高效的执行者，但你必须知道该让它执行什么。
遇到的困难： 修 Bug 比写新功能难多了。写新功能是"从零开始描述需求"，AI 很擅长。修 Bug 需要读懂错误日志、定位问题、理解上下文，AI 有时候帮不上忙，需要反复调试。作为一个不懂代码的人，这个过程很痛苦。我只能通过测试来反馈，有不少次真是气的我直接打字骂他。
但总体来说，AI 让一个非技术人员做出了过去需要 3-4 个工程师花 3-4 个月才能完成的产品。 这不是吹牛，是事实。
我知道这个项目还很粗糙：
- Poe 证明了用户需要一个 App 来用所有 AI（18M 月活），但 Poe 只能聊天
- OpenClaw 证明了 Agent 能自主干活（234K Star），但没有好用的移动端
- MCP 证明了工具生态可以标准化（5800+ 服务器），但缺少面向普通用户的入口
AgentOS 想做的就是把这三件事合在一起。
🔗 GitHub：github.com/tiantianlao…
- 代码全部开源（Apache 2.0）
- Star 是对独立开发者最大的鼓励
📱 试用：在 GitHub Releases 里下载 APK、MAC、WINDOWS的安装包。如果想体验IOS，请告诉我你的邮箱，我将把你添加到测试员中 我的邮箱：skingway@sina.com 💬 反馈：评论区或者 GitHub Issues，Bug 反馈、功能建议、架构吐槽都欢迎
一个人做产品最难的不是写代码，是没有人告诉你哪里做得不好。所以真心希望能听到大家的声音。第一次发，没有经验请多包容。
