在云上跑通第一个 AI Agent 实践：AI DevSpace + 码道代码智能体实录

最近想把一个多智能体的小工具从想法推进到能演示的状态。以往流程是本地装环境、配模型密钥、调依赖，光环境就能耗掉半天。这次换了个思路：直接用华为云 AI 开发者空间加码道（CodeArts）代码智能体，全流程在浏览器里完成。下面把真实操作路径和几个卡点记下来，给同样想快速验证 Agent 想法的同学参考。

一、为什么从本地迁到云端

本地跑 Agent 有三个典型痛点：一是依赖冲突，Python 版本、CUDA、Docker 轮着折腾；二是密钥管理混乱，多个 demo 共用一份 AK/SK；三是换机器就要重来一遍。云上开发空间把这三件事收敛了：容器即环境，凭据由平台下发，关掉浏览器换个设备登录还在。

二、实践路径

第一步，进入 AI Agent 开发实践中心，先看案例库。案例按 Level 1 到 Level 4 分级，Level 1 是 openJiuwen 快速入门，用 Docker 一键部署平台并配置模型密钥，创建一个基础对话智能体；Level 2 开始引入知识库，做诗词问答这类垂直场景；Level 3 以上才涉及第三方 API 编排和多智能体协作。对新手来说，从 Level 1 顺着往下做，比一上来啃多智能体框架效率高得多。

第二步，点“前往 AI DevSpace 实践”。首次进入会弹出临时凭据同步提示：平台可以把当前登录用户的临时 AK/SK 注入到空间环境里，省掉手动配置。这里要留意提示里写得很清楚——临时凭据拥有当前登录用户在 IAM 上的全部权限。所以建议用一个专门的开发账号做这类实验，把生产和试验环境的权限隔离开，别拿主账号直接上。

第三步，进入容器环境。体验版容器有三小时的生命周期，到点会释放，重新启动是一个全新的容器。这意味着两件事：一是写代码过程中要养成往代码仓推送的习惯，别把成果只留在容器里；二是长任务要预留时间，别在剩余十分钟的时候才想起来跑一次完整构建。

第四步，用码道代码智能体干活。它的用法和主流 AI 编程助手接近：在编辑器里选中一段逻辑，用自然语言描述意图，让它补全函数或重构；改动以 Diff 视图呈现，可以逐块接受或拒绝。写一个数据解析函数时，我给的提示是“输入是一段非结构化的活动描述，输出结构化字段：时间、地点、参与人数，字段缺失返回 null”，一次生成就能用，比手写省事。页面预览功能对前端 demo 很实用，改完样式直接看效果，不用来回切窗口。

三、踩到的几个坑

坑一：不是所有实验都提供云端环境。有的沙箱实验明确写着“本实验不提供实验环境，需在本地完成操作”，比如码道 IDE 的安装到实操全指南那一类。报名前先看实验简介里的说明，否则会白等一个环境实例。

坑二：实验环境里的资源要主动释放。云实验按配额发放，ECS、VPC、EIP 这类资源如果只创建不删除，会持续占用额度，部分场景还会产生费用。手册里每一步都写了对应的清理动作，别跳过。

坑三：多智能体协作的调试成本比单 Agent 高一个量级。多个 Agent 之间靠消息传递状态时，最容易出现的是心跳消息刷屏和状态跳转错乱。建议先在单 Agent 上把工具调用跑通，再拆角色，拆的时候把每个角色的输入输出契约写死在提示词里。

四、一点体会

把环境这件事交给云平台之后，注意力才能真正回到“这个 Agent 到底解决什么问题”上。三个小时的容器时限反而成了正反馈：逼着我在一个时间盒里把最小可演示路径跑完，而不是无休止地优化架构。

如果后续要继续往下走，我的下一步计划是把本地已经跑通的解析逻辑搬进空间，接上知识库做一个垂直问答，再用 WorkSwarm 拆成两个角色做一次端到端演示。

以上都是实操记录，环境版本和页面入口可能会随平台更新变化，以实际页面为准。