# AI时代搞副业，先让“毒舌投资人”帮你把把关 AI时代，越来越多人开始琢磨怎么用AI搞副业赚钱，各种想法满天飞。但问题在于，大多数想法都停留在“感觉能赚钱”的阶段，真正动手之后才发现——要么竞品已经堆成山，要么压根没人愿意付费，时间和精力全打了水漂。 这个痛点很真实。所以不妨换个思路：能不能做一个AI投资人Agent，专门用来验证副业想法靠不靠谱？ 它的工作方式很简单：你描述自己的副业想法，它联网搜索竞品、分析市场、评估可行性，然后像真正的投资人一样给出判断——愿意投多少钱？还是“白送都不要”？如果你觉得自己的想法被低估了，可以继续追问、调整方案，它会记住上下文，动态更新估值。这样一来，那些不靠谱的想法就能快速过滤掉，时间就能花在真正值得做的事情上。 ## 方案设计 想做一个这样的AI应用，需要考虑的事情不少：怎么对接AI模型？怎么启用联网搜索能力？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？ 即便让AI帮忙搞定这些，也会消耗不少时间和tokens。不过最近腾讯云的EdgeOne Makers刚上线了Agent托管能力，正好把这些难题都解决了。 你只需要专注写Agent的业务逻辑——比如怎么评估一个副业想法——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帮你搞定。 接下来，我会从零开始，带大家用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是怎么玩的。 ## 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。 选择创建一个OpenAI Agent模板，关联GitHub仓库后，什么信息都不用改，直接点击创建部署。系统会快速创建一个项目仓库，然后自动完成整个项目的初始化、安装依赖和构建部署。 点击预览，平台会提供一个临时测试域名。直接访问，一个AI Agent项目就上线可用了——能够正常和AI对话，响应速度也不错。 你可能会好奇：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，你会发现EdgeOne Makers默认对接了主流大模型，限时赠送每个用户50万Token/月。系统还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，所以你不用填Key就能直接用。 看到这里，相信你对EdgeOne Makers有了基本认识——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，你只管写业务逻辑。 下面进入正题，完整流程是这样的：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： ```ja vascript 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，所以直接编写完整的提示词，没让AI帮忙整理。 完整的提示词如下： ``` 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。 不过需要注意，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，需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，由于AI投资Agent需要联网搜索竞品信息，还需要开通腾讯云的Web Search API服务。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/v1 AI_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——太方便了！ 打开试试，给它发个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！ 不愧是毒舌金主，丝毫不留情面，这个调性还挺有意思的。 虽然功能跑通了，但默认模型的输出效果一般，下面换个更强的。 ## 切换模型 进入Makers的模型面板，添加一个新模型，比如DeepSeek。需要到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。 简单看下代码就会发现，模型配置优先读取`AI_GATEWAY_MODEL`这个环境变量。所以我们只需要让AI设置一下这个变量，然后重新部署就好： ``` 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，很方便吧！ 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。看看这通分析，明显比切换模型前的效果好多了吧？它还让研究垂直方向…… 于是接着追问：我是个程序员和UP主，怎么垂直？结果好家伙，这能投30万？这个赛道分析还是有点意思的——什么编程教学赛道已经被头部吃干抹净……关键变&现路径，总结下来就是接广告、卖课、搞培训。 这么真实吗？ ## 迭代优化 到目前为止功能已经跑通了，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 Bug 1. 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`技能更新了线上的网站，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，全程没有开通任何数据库或存储服务——对话记忆是EdgeOne Makers平台帮我们搞定的，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。甚至能看到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 到这里，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。 试试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！ 做一个AI英语口语陪练App，按月订阅29.9元——得，看来又又不行！！ 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不容易啊！ 算了，还是卖课吧——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。结果……卖课也不容易啊。 钱难赚，屎难吃。接下来试了很多个IDEA，全部都被AI否定了。 不行，不信就没有办法搞出S级想法！一个人的力量是渺小的，所以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。 ## 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全帮忙搞定了。 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。