ACP：2.从一个 .NET 实战开始，看 Agent 带来的真实差异
在上一篇文章中，我们聊了 ACP 想解决的核心问题：
当 AI 工具越来越多，Agent、Prompt、MCP、Skills 已经变成一种需要被管理的工程能力。
这一篇，我们不再讲理念，而是直接上手实战。
用一个最常见、也最容易对比的场景——.NET 后端开发，来看看 ACP 到底解决了什么问题，又带来了哪些可感知的变化。
第一步：登录 ACP 平台
首先打开 ACP 官网主页：
👉 https://ai-config-plaza.com
点击右上角 Login，使用 GitHub 账号登录。
ACP 的主页，这里已经预置了大量可直接使用的资源，包括：
- Solutions
- Agents
- Prompts
- MCP
- Skills
这些内容并不是示例摆设，而是真实可用、可复用的 AI 能力资产。
第二步：选择并 Live 一个 Agent
在本次演示中，我选择了一个已经整理好的 Agent：
dotnet-backend-developer
这是一个专门为 .NET 后端开发场景设计的 Agent，已经包含了：
- .NET 后端开发的角色定位
- 常见架构与代码风格约束
- 对业务、可维护性、工程规范的默认认知
Live 的意义是什么？
当你在 ACP 中对某个 Agent 点击 Live 时，它会被加入到你的个人空间中。
你可以把 Live 理解为：
把公共能力引入到我自己的工作区
Live 之后，回到 Dashboard → Agents，你就能看到这个 Agent 已经归属于你自己。
💡 如果你不满足于现有 Agent，也可以：
- 复制 Agent 内容
- 创建一个新的 Agent
- 在原有基础上加入你自己的约束和经验
第三步：创建一个 Solution
有了 Agent 之后，下一步是把它放进一个 Solution。
在 ACP 中，Solution 并不是简单的配置集合，而是：
一次完整 AI 使用方式的封装
- 复制刚才 Live 的
dotnet-backend-developerAgent 的内容，新建一个Agent并加入以下要求：
## 语言要求
- 代码注释统一使用英文
- 思考过程和响应内容使用中文
- 创建 Solution 保存
暂时不引入 Prompt、MCP 或 Skills。
因为本篇文章的目标很明确：
👉 只对比“有没有 Agent”这一件事带来的差异。
第四步：安装 ACP CLI
配置准备好之后，进入本地实战。
CLI 安装地址：
👉 https://ai-config-plaza.com/cli
安装完成后，执行登录：
acp login
登录所需的密钥（Token）可以在：
Dashboard → Settings
中获取。
第五步：应用 Solution 到本地（Cursor）
本次演示使用的是 Cursor。
在项目目录中执行：
acp apply
执行完成后，你会发现：
- Agent 配置已经同步到本地
- Cursor 所需的目录结构被自动生成
- 无需手动拷贝任何文件
到这里为止，配置阶段已经结束。
第六步：一个非常真实的需求约束
第七步：对比结果 —— 有 Agent vs 默认状态
我使用了完全相同的需求描述，分别进行两次生成。
未使用 ACP Agent（默认状态）
- 代码风格随机
- 注释语言不稳定
- 对 .NET 工程习惯理解较浅
- 更像一个泛化的 AI 编程助手
使用 dotnet-backend-developer Agent
可以明显感知到的变化包括：
- 代码结构更贴近真实 .NET 项目
- 注释稳定使用英文
- 对分层、职责、可维护性更敏感
- 回答更像一个经验明确的后端工程师
关键并不是“写得更好”，而是：
行为变得稳定、可预测。
ACP 在这个过程中做了什么？
提前固化“你习惯的 AI 工作方式”。
小结
在这个简单的 .NET 实战中，我们已经看到几个关键变化：
- AI 行为具备一致性
- 经验不再依赖反复说明
- 配置开始具备可复用性
- 同一个 Solution 可以反复应用到不同项目
而这，仅仅是开始。
写在最后
但如果你已经：
- 在多个项目中持续使用 AI
- 对输出质量有稳定预期
- 希望把经验沉淀下来
项目地址：https://github.com/AIConfigPlaza/acp
官网：https://ai-config-plaza.com