做AI开发的朋友应该都知道，现在这波AI浪潮下，用AI搞副业赚钱的想法确实不少。但这里头有个挺现实的问题——大多数想法都卡在"感觉能赚钱"这一步，真下场干了才发现，要么市场上竞品早就卷成红海了，要么根本没人愿意掏钱，时间精力全打了水漂。

所以一个很自然的思路就冒出来了：能不能做个AI投资人Agent，专门帮人验证副业想法靠不靠谱？跟它描述你的想法，它会联网搜竞品、分析市场、评估可行性，然后像真投资人一样给出判断——愿意投多少钱？还是直接给个"白送都不要"的结论？如果觉得自己的思路被低估了，还能继续追问、调整方案，它会记住之前的对话内容，动态更新估值。这样一来，不靠谱的想法很快就被过滤掉了，省下来的时间只花在真正值得做的事上。

方案设计

真要动手做这样一个AI应用，需要考虑的事情可不少：怎么对接AI模型？怎么用上网联搜索能力？怎么隔离多个用户的对话记录？怎么让Agent记住上下文，应对用户的追问？哪怕让AI帮着你搞定这些，也得花不少时间和tokens。

最近腾讯云的EdgeOne Makers刚好上线了Agent托管能力，正好把这些难题都包揽了。开发者只需要专注写Agent的业务逻辑——比如怎么评估副业想法，剩下的联网搜索、对话记忆、模型对接这些活儿，部署上去之后平台自动处理。

接下来会从零开始，用AI编程配合EdgeOne Makers，把这个AI投资人Agent开发上线。不过在动手之前，先带大家用EdgeOne Makers控制台快速部署一个官方模板，感受一下这个平台到底怎么玩。

快速体验 EdgeOne Makers

进入EdgeOne Makers的Agent面板，默认提供了很多Agent应用模板，支持OpenAI SDK、Claude SDK、LangGraph、CrewAI等主流框架，JS和Python都能用。

选一个OpenAI Agent模板：

关联GitHub仓库后，直接点击创建部署，什么信息都不用改。

系统会帮你快速创建一个项目仓库，然后自动完成项目的初始化、安装依赖和构建部署。

点击预览，可以看到平台提供了一个临时测试域名：

直接访问，一个AI Agent项目就上线可用了。能正常和AI对话，响应速度也不错。

可能会好奇：没填大模型的API Key，怎么就能用了？进入Makers控制台的Models模型面板，会发现EdgeOne Makers默认帮我们对接了主流大模型，还限时赠送每个用户50万Token/月。

它自动创建了一个调用大模型的默认密钥，并且在创建项目时，把这个密钥注入到了程序的环境变量中。所以不用填Key就能直接用。

看到这里，对EdgeOne Makers应该有基本认识了。可以把它理解为一个专门给AI Agent准备的托管平台，模型、工具、记忆、监控这些能力都备好了，只管写业务逻辑。

下面进入正题，走一遍完整流程：环境准备 → 设计提示词 → AI 开发 → 部署上线 → 迭代优化。

环境准备

开发之前，要先安装EdgeOne官方提供的Skills技能包。装上之后，AI就自动知道怎么按照EdgeOne Makers的要求来写代码——比如项目文件往哪放、入口函数怎么写、平台提供的联网搜索和对话记忆怎么调用，不需要手动喂文档。

参考官方文档，打开终端，输入一行命令：

npx skills add TencentEdgeOne/edgeone-makers-tools

根据指引，选择要安装的Skill，比如要用到的智能体开发/makers-agents和部署/makers-deploy技能。

安装范围选择全局安装，这样之后所有项目都能用。准备就绪，下面开始写提示词。

设计提示词

需求并不复杂，而且用什么框架、部署到哪里已经想清楚了，就没让AI帮忙整理，直接编写完整的提示词：

帮我开发「AI 投资人」副业验证 Agent，部署在 EdgeOne Makers 平台上。明确的技术方案：1. 使用 OpenAI Agents SDK 框架2. 前端和 Agent 共存在同一个项目里，之后我会一次部署到 EdgeOne Makers开发要求：1. 体现 Loop Engineering 的思想，自主开发、自主测试验证，最终交付一个完全可用的产品2. 如果有不明确的地方，先问我再动手需求描述：Agent 的设定是见过太多项目的资深投资人，说话毒舌、判断犀利。用户描述自己的副业想法后，它会联网搜索竞品和市场信息，给出愿意投资多少钱的判断（或者「白送都不要」），并说明理由和改进建议。支持多轮对话，用户可以根据反馈调整方案继续追问，Agent 要记住之前聊过的内容。前端采用 Q 版风格，多端适配。

简单解释一下，开发要求里的Loop Engineering思想，是让AI自己写完代码后自主测试验证，不用人工盯着。但注意，部署到EdgeOne Makers上的代码得遵循平台规范，不然跑不起来。所以执行的时候，要先通过斜杠命令调用/makers-agents技能，AI就会自动按照平台要求的入口函数写法、联网搜索和对话记忆的接入方式来写代码。

AI 自主开发

确保使用了/makers-agents技能后，发送提示词，AI就开始自主开发了。它先加载了Skill中关于Agent开发的规范，然后创建项目、编写Agent逻辑和前端页面。

几分钟后，AI完成了核心功能的开发，并且对代码进行了编译验证和自检。

不过由于本地没有配置AI大模型的API Key，没办法完整测试对话流程。没关系，接下来部署到EdgeOne Makers上，配好密钥就能跑了。

部署上线

前面体验通过控制台创建模板项目时，EdgeOne Makers自动帮我们注入了AI_GATEWAY_API_KEY和AI_GATEWAY_BASE_URL这两个环境变量。但如果是自己本地创建项目，需要手动到Makers控制台获取这两个环境变量的值。

此外，AI投资Agent需要联网搜索竞品信息，还要开通腾讯云的Web Search API服务：

先选个最便宜的套餐就行，然后获取到联网搜索API密钥。

拿到这些密钥后，直接把信息提供给AI，使用/makers-deploy技能让它帮忙部署：

帮我部署上线：AI_GATEWAY_BASE_URL 是 https://ai-gateway.edgeone.link/v1AI_GATEWAY_API_KEY 是 sk-xxxxx联网搜索 API Key 是 sk-xxxxx

AI自动设置好环境变量并进行部署。首次部署时会提醒登录授权，跟着AI的提示操作就好。

很快部署完成，直接拿到了可以访问的线上地址。

打开试试，给它发一个IDEA：做一个AI帮你写朋友圈文案的小程序。Agent进行了联网搜索，找到了好几个竞品，然后给出了评估结果——白送都不要！

虽然是毒蛇金主，丝毫不留情面，但这风格确实对味。功能跑通了，不过默认模型的输出效果一般，下面来换个更强的。

切换模型

进入Makers的模型面板，添加一个新模型，比如DeepSeek。

到DeepSeek的API开放平台获取密钥，创建一个临时密钥，复制粘贴到Makers中保存，就可以使用DeepSeek V4 Pro模型了。

怎么让Agent用上这个新模型？需要改代码吗？其实完全不需要。简单看下代码，你会发现模型配置优先读取AI_GATEWAY_MODEL这个环境变量。

所以只需要让AI设置一下这个变量，然后重新部署就好了：

设置 AI_GATEWAY_MODEL 环境变量为 deepseek/deepseek-v4-pro重新部署

部署成功后进入Makers控制台，可以看到环境变量已经生效了。

再来试一下同样的IDEA：做一个AI帮你写朋友圈文案的小程序。这次Agent进行了多轮联网搜索，最后又给出了扎心的锐评——白送我都不要。

这分析明显比切换模型前的效果好多了，还让人研究垂直方向。那接着追问：是个程序员和UP主，怎么垂直？

好家伙，这能投30万？

这个赛道分析有点意思——什么叫编程教学赛道已经被头部吃干抹净，这鱼皮是谁啊？再往下看关键的变&现路径，是不是跟大家想得差不多？

总结一下就是接广告、卖课、搞培训。不是哥们，这么真实吗？

迭代优化

到目前功能跑通了，但发现一个问题：多轮对话记忆好像没有生效，Agent不记得之前聊过什么。

所以接下来要做一些优化。先让AI用Git提交一版代码，万一改出问题也好及时回滚：

然后让AI进一步优化、更新已部署的网站，并通过Browser Use自主验证效果、修复Bug：

优化项目、更新部署、自主验证并修复 Bug1. 必须支持多轮对话，用户可以根据反馈调整方案继续追问，Agent 要记住之前聊过的内容2. 优化前端页面，禁止使用 Emoji，对标商业产品，保持 Q 版风格3. 优化 Markdown 格式的展示

AI很快修复了代码，利用makers-deploy技能更新了线上网站，然后自己打开浏览器对话验证。

来看看最终的效果，Markdown的展示格式优雅多了。

而且这次多轮对话记忆也成功生效了！

你会发现，我们全程没有开通任何数据库或存储服务，对话记忆是EdgeOne Makers平台搞定的，它在底层管理了每个用户的对话历史，不同用户之间互不干扰。

加上之前演示的联网搜索、模型网关，这些能力都是部署上去自动就有的，完全不用操心。

此外，进入Makers控制台的调用链路追踪面板，可以看到Agent调用次数和Token消耗等数据。

甚至能看某一次调用的完整链路日志，每一次AI生成和工具调用的细节都一目了然，便于优化Agent和排查问题。

成品体验

到这一步，AI投资人Agent就开发完成了，可以愉快地用它来验证各种副业想法。

比如在闲鱼上接单：在闲鱼上接单，帮人用 AI 写文案/简历/小红书笔记，收费 30 ~ 100 一单——得，看来不行。

搭AI的API中转站：搭一个 AI API 中转站，帮国内用户方便地调用 GPT/Claude，赚差价——得，看来又不行！

做AI英语口语陪练App：做一个 AI 英语口语陪练 App，用语音对话的方式帮用户练口语，按月订阅 29.9 元——得，看来又又不行！！

摆摊卖程序员炒饭：我要摆摊卖程序员炒饭，通过线上拍短视频营销——呃啊，看来想搞一个好的项目IDEA真不容易啊！

算了，还是卖课吧：我有流量基础，录制编程教程，在自己的平台上卖课，收费几百到几千不等——卖课也不容易啊。

接下来又试了很多个IDEA，全部都被AI否定了。

一个人的力量是渺小的，所以决定把这个项目开源出来。大家可以直接让AI帮你部署到EdgeOne Makers上，随时随地验证自己的想法，坐等一批A级和S级想法浮出水面。

最后

从写代码到上线，整个过程不到20分钟。回过头来想想，只关注了Agent的业务逻辑，其他的联网搜索、对话记忆、模型网关、链路追踪这些工程化的东西，EdgeOne Makers全搞定了。

AI时代，大模型的能力很重要，但给大模型提供的这一系列配套能力同样重要。模型再强，没有靠谱的工程化支撑，Agent也只能停留在本地Demo阶段。能让开发者把精力全部放在业务逻辑上，而不是重复造轮子，这是非常有价值的事。