这是实用篇的收尾篇。前面 13 篇你一个个装、一个个配、一个个写，本篇换个角度——退一步看全局，把用过的工具按"你要解决什么问题"重新排一遍，给你一张选型地图。

目标

不再学新工具，而是建立自己的工具坐标系：以后遇到一个 Agent 需求，能立刻判断"该用哪类工具、翻回本系列哪一篇"。

一句话价值：工具是手段，不是目的。知道什么时候用什么，比囤一堆工具重要。

背景衔接

回头看，实用篇其实只回答了三件事：

1. 让 Agent 跑起来（01–04：环境 + 模型接入）
2. 把 Agent 用起来（05–08：现成智能体 Hermes / OpenClaw）
3. 自己造 Agent（09–13：手写 → 标准化 → 编排 → 部署 → 开源）

下面按这个脉络，把每个工具放回它该在的位置。

一、全景：你在本系列用过的工具

类别	工具	解决什么	本系列哪篇
运行环境	Python / Node / Docker / Git	Agent 跑在哪、怎么分发	01
编码 Agent	Claude Code	在终端里让 AI 帮你写代码	01、02、04
模型接入	DeepSeek（官网直连）	用国产模型跑 Claude Code	02
模型接入	OpenRouter（中转站）	一个 Key 调多个平台模型	03
模型接入	CCSwitch	多模型一键切换、配置持久化	04
助手型 Agent	Hermes	记得你、长期陪跑的个人助理	05、06
执行型 Agent	OpenClaw（小龙虾）	给 AI 装"数字手脚"去干活	07、08
手写 Agent	openai SDK + Tool Calling	从零搭最小 Agent	09
工具标准化	MCP	把工具用统一协议暴露	10
流程编排	LangGraph	把控制流画成可循环的图	11
部署	Docker	容器化，随处可跑	12
交付	GitHub	开源成公开作品	13

二、按"你要做什么"选工具

光有清单还不够，关键是场景驱动。下面几张决策表，遇到需求直接照查：

场景 A：我想让 AI 帮我写代码

• 主力：Claude Code（终端里直接用，第 01 篇）
• 模型不够用 / 想换国产模型：接 DeepSeek（第 02 篇）或 OpenRouter（第 03 篇）
• 经常切模型嫌麻烦：CCSwitch 一键切换（第 04 篇）

场景 B：我想要个"记得我"的私人助理

• Hermes：本地优先、跨会话记忆、能联动 Obsidian（第 05、06 篇）
• 注意：它偏"问答/陪跑"，不是"替你操作电脑"

场景 C：我想让 AI 真的去干一件事（建文件、点网页）

• OpenClaw（小龙虾）：执行型框架，靠 Skills + Sandbox（第 07、08 篇）
• ⚠️ 安全是前提：Sandbox 必开、第三方 Skill 来源要清白

场景 D：我想自己从零写一个 Agent

• 最小起步：openai SDK + Tool Calling（第 09 篇）
• 工具要给别的 Agent 用：MCP 标准化（第 10 篇）
• 流程复杂、要可视化/持久化：LangGraph 画图（第 11 篇）
• 上生产：Docker 打包（第 12 篇）→ GitHub 开源（第 13 篇）

三、补充推荐（本系列没展开，但值得知道）

盘点不能只讲用过的。这几个类别你迟早会碰上：

工具	类别	一句话定位	和本系列关系
Ollama / llama.cpp	本地模型	在自己机器跑开源模型，零 API 费用、数据不出本机	替代/补充 DeepSeek 官网直连
Dify / Coze	工作流型	浏览器拖拽搭 Agent，不用写代码	和 Hermes 互补，偏"搭应用"
LangChain	底层框架	LangGraph 的母体，更底层更灵活	11 篇的上游，复杂项目可下钻
AutoGen（微软）	多 Agent	多个 Agent 互相对话协作	多 Agent 编排的另一条路线
vLLM	推理服务	把模型部署成高吞吐 API	Docker 部署的进阶，自己托管模型

诚实提醒：上面这些不是都要学。新人把本系列 14 篇走通，已经有完整动手能力；补充项等遇到具体需求再碰，别提前焦虑。

四、一个反过度工程的忠告

走完整个系列，最容易犯的错是工具囤积症——看到新框架就上，小项目也先 docker compose + K8s + 多 Agent。

记住这条主线判断（贯穿你整个工程观）：

• 本地调试 → venv 足够，别急着 Docker
• 单 Agent 能解决 → 别上 LangGraph
• 手写循环够用 → 别为"显得高级"抽 MCP
• 工具是杠杆，不是勋章

中小厂 Agent 岗位面试真正看重的，不是你用过多少工具，而是你能讲清为什么这样选、代价是什么、踩过什么坑——这正是本系列每篇"设计权衡 + 踩坑记录"想训练你的。

五、下一步去哪

实用篇到此结束。你已经具备"从零做出一个能跑、能部署、能公开的 Agent"的完整能力。

接下来两条路，按你的目标选：

• 想建立完整认知：回 AI Agent 入门指南（概念篇），把"它是什么"补全
• 想上生产、做可靠系统：进 AI Agent 工程实践 系列，那里不讲工具怎么装，只讲工程决策——为什么规则要分层、为什么需要 Review、Benchmark 怎么做才不沦为摆设

概念篇（它是什么）
   ↓
实用篇（怎么上手）  ← 你在这里走完了
   ↓
工程实践（怎么上生产）

三专栏形成完整的 AI Agent 成长体系。能走到这一步，你已经超过绝大多数只停留在"调个 API"的初学者。

---

实用篇 · 全十四篇，到此闭环。

从"装环境"到"开源交付"，你亲手把一条 Agent 工程化链路走通了。下一步，是把这些动手能力，沉淀成能写进简历和讲进面试的工程思考。