从0到1：一套完整生产落地Agent技术栈，独立开发者/产品必备！
本文分享了一套作者独立开发的Multi-Agent数学建模系统生产落地技术栈。作者认为Agent技术难点在于工程化而非prompt，并基于独立开发友好原则，选用Next.js+TypeScript、AI SDK v6、OpenAI Compatible+Anthropic、E2B Code Interpreter、PostgreSQL+Drizzle ORM等技术。文中详细介绍了各技术选型理由及优缺点，并指出Next.js开发体验重是其唯一不满意的技术点。作者建议下次重构时转向Vite+SSG+纯API Backend。
一套完整生产落地的 Agent 技术栈。
分享给做独立开发，以及正在做 Agent 产品的人。
项目是我开发的一个 Multi-Agent 数学建模系统。两年前我开源过一个版本，但真正做到生产后，会发现有非常多 dirty work，所以这次我直接用 TypeScript 全重写了一版。
我目前最大的感受是：
现在做 Agent Demo、桌面端、玩具产品的人很多，但真正能稳定跑生产、持续产生效益的产品，其实非常少。
因为： Agent 真正难的部分，不是 prompt，而是工程化。
而我本人平时还在上班，整个项目基本是我一个人开发，所以技术选型上，我会非常偏向：
- 熟悉
- 开发效率高
- 文档完整
- 能快速上线迭代
基本就是一套“独立开发友好”的技术栈。
技术选型：
前后端：Next.js 16 + TypeScript
我对这套比较熟，页面、API、鉴权、SSE 流式响应都能放在一个工程里，开发效率非常高。
但 Next.js 的缺点也很明显：
太慢了。
尤其是：
- hot reload 慢
- 内存占用大
- 工程稍微复杂一点 dev server 就开始卡
下次如果重做，我大概率不会再选 SSR，可能会直接转：Vite + SSG
Agent：AI SDK v6
现在我基本已经离不开 AI SDK 了。
它做：
- SSE
- 多模型切换
- tool calling
- stream UI
都非常顺手。
配合 Next.js 写 Agent 几乎是当前最舒服的方案之一。
LLM：OpenAI Compatible + Anthropic
我不希望系统锁死单一模型厂商。
所以统一走 OpenAI Compatible 协议，再补 Anthropic。
这样：
- 用户可以 BYOK（Bring Your Own Key）
- 模型可以动态切换
- 成本更容易控制
- 也方便以后接私有模型
Sandbox：E2B Code Interpreter
这个是生产里非常关键的一层。
因为我的场景是： 运行 Python 代码求解数学建模问题。
E2B 的好处是：
- 沙箱隔离稳定
- 文件处理方便
- Python 环境成熟
- 更适合生产环境
相比自己维护 Docker Sandbox，省了很多精力。
Database：PostgreSQL + Drizzle ORM
负责：
- 聊天记录
- 消息状态
- Token 消耗
- 用户配置
- 计费状态
Drizzle 在 TypeScript 生态里我挺喜欢的：
类型安全做得很好，而且没有 Prisma 那种很重的感觉。
鉴权：Better Auth
登录、注册、找回密码这些能力接得很快。
我现在越来越倾向： 能不自己造 auth 轮子，就绝不自己造。
UI：shadcn/ui + Tailwind + AI Elements
这套组合真的非常适合 AI 产品。
尤其：AI SDK + AI Elements
配合起来写 Agent UI 的速度非常夸张。
很多：
- 消息流
- Tool 状态
- Thinking 过程
- Agent Steps
基本很快就能搭出来。
观测：OpenTelemetry + Langfuse
Agent 系统如果没有 observability，后期基本没法排查问题。
尤其：
- 模型调用
- Tool 链路
- Token 消耗
- 错误回溯
这些必须可观测。
Langfuse 现在我觉得已经是 AI 产品里的基础设施了。
计费：支付宝 + 服务端预扣
接支付宝是真麻烦，但是合规就很好。
否则非常容易出现：
- 漏单
- 并发问题
- Token 被刷
预扣虽然麻烦一点，但生产稳定性高很多。
包管理：pnpm
安装快、占用小。
大项目之后你会明显感觉比 npm/yarn 更舒服。
可以发现：
我整个技术栈其实非常 “Vercel 系”。
几乎全是海外独立开发者最喜欢的那套。
国内可能反而偏冷门。
但实话说：
这套东西写起来真的非常爽。
尤其：AI SDK + AI Elements
几乎把 Agent UI 开发效率拉满了。
目前这套栈里，
我唯一真正不满意的技术，其实就是：
Next.js
生态确实强，但开发体验已经越来越重了。
如果下次重构，我大概率会：
- 放弃 SSR
- 放弃大一统 Fullstack
- 转向 Vite + 纯 API Backend
可能整体会轻很多。
传统产品经理，正在成为下个被淘汰的“传统岗位”。
过去画原型、写 PRD、跟进度的“传统技能包”，在AI时代正迅速贬值。63% 的企业转型做 AI 产品！当下的问题不再是“要不要学 AI ”，而是“如何构建 AI 产品”。
前段时间还跟字节、腾讯的资深 AI 产品经理沟通，他们反馈：在大量招人，只要有 AI 相关的项目经验，基本都能拿到面试机会，而且领导很舍得给钱，涨薪 40-60% 很正常！
01
接下来的产品人，得卷AI能力了！
如今AI大火，行业极速发展的背后，懂AI 产品人才却严重稀缺。这不是要你转技术岗，而是要掌握构建 AI 产品的核心方法：
- 如何将你的领域知识，转化为 AI 产品的核心竞争力？
- 如何用 AI 技术实现你的产品需求？
- 如何设计真正懂用户的 AI 交互体验？
- ……
懂AI，就是产品经理的“救命稻草”！
风口之下，与其焦虑被行业淘汰
不如先人一步享受AI技术带来的红利！
我把AI产品经理的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
（不限年龄！不限岗位！没有代码基础也能学！）
🎁现在扫码，完课还送：
《AI产品面试题库》《AI大模型应用案例集》
02
掌握技术+实战，快速转型！
想成为一名卓越的AI大模型产品经理，需要从技术、到项目实战的全方位转型指南！
**1）**AI产品应用原理解析，产品经理也能听懂！
对于产品经理来说，如果你不懂技术，做不了业务和AI大模型技术衔接、定义不了数据需求，是没法完整的落地一个产品的！
本次课程，专门面向产品经理人群，解析当下最热门的AI产品应用的必备的「大模型」、「多模态」的实际应用和算法原理！解析AI产品应用技术，积累大模型能力！简单易懂，不需要会代码，小白也能掌握！
- 大模型微调：掌握主流大模型（如DeepSeek、Qwen等）的微调技术，针对特定场景优化模型性能。学习如何利用领域数据（如制造、医药、金融等）进行模型定制
- AI Agent智能体搭建：学习如何设计和开发AI Agent，实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手产品（如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等）
2）超全行业案例解析！
课程详细讲解现阶段，大模型在各个行业和领域的应用现状！包括：零售与电商、教育、医疗、泛娱乐、法律等等10大行业！
详细讲解案例的思路、应用场景，以及背后的技术原理、核心技术！揭秘各个行业、场景的真实现状，和未来产品的发展与机遇！
可以说，讲解完一个案例，就能积累一个AI产品实践的经验！
课程中所涉及到的实战项目，都可以直接在自己的工作中使用，让自己的产品/项目有可借鉴的成功案例！
3）AI产品经理求职专项辅导
课程中会系统的帮助大家拆解字节、腾讯、百度等大厂AI PM岗位JD关键词，掌握AI PM高频面试题型与回答框架；展示 AI 相关能力的关键技巧：Prompt设计、模型评估、A/B测试、成本意识、与算法/工程协作经验；
- To B类AI产品经理：突出“行业理解 + 技术落地 + 商业闭环”能力的简历结构设计，展示项目成果；从客户需求洞察到技术方案设计，展现端到产品思维；如何评估To B AI产品的可行性、客户付费意愿与实施成本
- To C类AI产品经理：拆解头部公司岗位JD，将过往尽力转化为AI产品叙事逻辑；从行业趋势、产品设计题、案例分析&数据分析题、技术理解边界等全流程辅导面试；避免无效海投、锁定最适合的AI产品岗位；
03
本次课程，全程直播讲解，能直接对话大佬和专业助教，不懂就问，超详细的案例，小白也能轻松get！
完课后，还赠送《AI产品经理面试题库》、《AI大模型应用案例集》！不断更新中……
适合人群：
- 想转型AI产品经理、AI项目管理专家、AI产品解决方案等岗位
- 想进行AI产品创业的创业者
- 想成为制作AI产品的程序员
- 想利用AI解决企业问题的管理岗
- 想在AI方向寻找就业方向的毕业生
- AI方向前景广阔、待遇好！
目前，很多产品人已经通过完整学习拿到大厂高薪offer，收入嗷嗷涨！
我把AI产品经理的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～