[问与答] 搞了个能自己写代码进化的 AI 数字员工，聊一下怎么做的

一句话看懂：一位开发者用云模型+本地小模型+技能系统的三层架构，搭建了一个能自主写代码扩展能力、自动运维服务器的 AI 数字员工，目前已实际管理集群两个月，处理了磁盘满、进程挂等线上问题。

事件核心：发生了什么

开发者 huanglingg 在 V2EX 社区发布了一款名为“灵犀”的 AI 数字员工产品，其核心思路不是“AI 陪你聊天”，而是“AI 替你干活”。技术架构分为三层：1）大脑层调用云端大模型（如 GPT-4 等）负责理解需求、决策和选方案；2）小脑层使用本地 7B 模型（延迟仅 20-50ms）执行具体操作，如填参数、调函数；3）身体层是技能系统，直接操作服务器、发微信、爬数据和写代码。比较关键的特性是自主技能扩展——当遇到不会的任务时，AI 能够自行编写 .py 文件来新增能力，目前积累的 200+ 技能中大部分由它自己生成。产品网站 lingxi.ai4ss.com 目前免费提供运维监控服务。

为什么重要

这一产品展示了 AI 从“对话助手”向“自主执行体”转型的一个可行技术路径。三层架构的设计——将高成本的大模型推理用于决策，低成本的小模型用于高频执行——是一种务实的成本-效率平衡方案，尤其适合运维、数据操作等需要快速响应且重复性高的场景。自主写代码扩展能力意味着产品可以脱离开发者手动更新技能列表，具备持续进化潜力。尽管社区中有用户质疑其为广告，但该思路在技术路线上符合当下“Agent + Tool Use”的主流趋势，对于开源社区和小团队开发类似数字员工具有参考价值。目前公开信息显示，作者已在生产环境跑了两个月，部分社区回复持积极态度。

对用户/开发者/创作者的影响

对普通用户：未来可能不需要具备编程能力，只需在微信等日常平台发起指令，AI 就能处理服务器监控、数据整理等任务，降低运维门槛。对开发者：三层架构（云端推理+本地执行+技能池）提供了低成本、可复制的中小企业级 AI Agent 实现思路，尤其适合开源或小团队快速落地。自主代码生成技能的方法也可以复用，减少开发者需要为 AI 编写定制插件的工作量。对创作者/内容从业者：目前该产品已能同时派出分身写作、研究海外市场，如果技能扩展持续完善，AI 在内容生产、市场调研等环节的替代性将进一步增强，但当前仍处于早期阶段，功能稳定性待验证。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

1. 产品落地与数据验证：作者是否会在公开渠道发布更多实际运行案例（如故障处理数量、技能生成准确率、误操作率），将是判断其可靠性的核心指标。2. 开源与生态：该三层架构和自主写技能模式是否有开源计划或API接口，会直接影响独立开发者能否低成本复用。3. 安全和治理风险：AI 自主写代码并执行运维操作，如果代码存在 bug 或安全漏洞，可能引发更严重的线上故障，社区对这类 Agent 的安全防护机制关注度会上升。

来源：V2EX (创意工作者社区)

[问与答] 搞了个能自己写代码进化的 AI 数字员工，聊一下怎么做的