AWS EC2 SSH连接全指南：Putty与WinSCP实战配置
2026/6/13 5:43:58
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。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型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～