EdgeOne Makers + WorkBuddy：零基础也能快速搭建可上线的 AI 智能体（附图文教程）

从"我想做个 Agent"到"用户已经在用"，中间只隔着一个正确的工具链

---

一、为什么你的 AI Agent 想法一直没能落地？

做一个 AI Agent 的念头，很多人都动过。

想象很丰满：做一个能回答客户问题的客服 Agent，做一个能把摄影经验复用的顾问 Agent，做一个能帮用户规划饮食的健康助手......但真到了动手这一步，门槛比预想的高得多。

真实问题往往是这样的：

• 想让模型查天气、调接口、写代码，但它一调用外部工具就报错，根本跑不起来
• 好不容易本地调通了，怎么上线？买服务器、配环境、搭 CI/CD，全是工程活
• 应用要 7×24 小时跑，一台低配云服务器每个月几百块，Demo 阶段根本划不来
• 想接个国产大模型，结果每个厂商的 API 格式都不一样，换一家就得重写代码
• 用户反馈 Agent 答错了，但日志残缺，根本不知道是哪一步出了问题

说白了，做 Agent 应用的核心难题不是 Prompt 怎么写，而是"让 Agent 跑起来 + 稳定上线"这两件事。

这就是 EdgeOne Makers 出现的原因。

---

二、什么是 EdgeOne Makers？

EdgeOne Makers （前身为 EdgeOne Pages）是腾讯云基于 Tencent EdgeOne 基础设施打造的 Web 与 AI Agent 开发部署平台。

它的核心定位一句话：帮你把 AI Agent 从想法快速变成用户能访问的在线服务，不需要自己买服务器、搭环境、配 DevOps。

2.1 产品架构图

2.2 平台核心能力

能力	说明
Agent 运行时	内置 Agent 运行环境，支持 Claude SDK、OpenAI Agents SDK 等主流框架，直接写业务逻辑，不用从零搭基础设施
隔离沙箱	腾讯云隔离实例，按对话维度创建和复用，执行命令、读写文件、浏览器访问、临时代码运行等能力已封装好
会话记忆	平台内置持久化上下文，同一会话内 Agent 记得用户前文，无需手动配置存储
AI 网关	模型调用与业务代码解耦，一套代码可切换不同模型厂商（DeepSeek、混元、第三方），改个环境变量即可
工具调用链路	支持自定义工具注册，流式事件让前端实时展示 Agent 状态（"正在查天气......"）
边缘网络加速	基于 EdgeOne 全球边缘节点，静态资源和动态内容全球加速
可观测性	提供完整日志和执行链路追踪，快速定位 Agent 答错的环节
一键部署	GitHub Actions 触发自动构建 + 部署，代码推送即上线

---

三、为什么选择 EdgeOne Makers + WorkBuddy？

传统方式做一个 Agent，是这样的：

每一步都是工程量，核心的"业务能力"反而淹没在基础设施里。

用 EdgeOne Makers + WorkBuddy，是这样的：

核心差异：

• 不需要买服务器：平台提供运行时和沙箱，零基础设施成本
• 不需要懂 DevOps：GitHub Actions 自动构建推送，无需手动部署
• 不需要写工程代码：流式响应、会话存储、工具调用链均由平台托底
• 不需要自己选模型调 API：AI 网关一键接入，切换模型只改环境变量
• WorkBuddy 补全非技术环节：自然语言描述需求，AI 帮你改代码、配环境、上线

---

四、实战教程-情侣出行决策 Agent 完整搭建流程

下面以一个情侣出行决策 Agent为例，完整演示从需求提出到上线的每一步。

需求描述：用户输入所在位置，Agent 自动检索附近商场，结合用户品牌偏好（如"既有倍轻松又有西厅村屋的商场"）推荐最优选择，并列出需用户手动操作的步骤。

4.1 第一步：授权 Git 平台，克隆代码

进入 EdgeOne Makers 控制台，在「服务总览」页面点击「授权 Git 平台」，选择 GitHub 并完成授权。

授权完成后，点击「立即创建」，等待 Agent 项目生成。

项目创建成功后会进入概览页，可以看到预览地址和部署状态。

4.2 第二步：用 WorkBuddy 拉取代码并接入高德地图

在绑定的仓库中找到代码

仓库地址复制给workbuddy

在 WorkBuddy 中发送指令，将代码克隆到本地工作空间，并切换到项目目录：

将代码更新到本地并将环境切到该工作空间
https://github.com/xxxx/openai-agents-starter-python
然后告诉我如何连接EdgeOne Makers 做自动化部署

这一步由 WorkBuddy 自动完成代码拉取和环境初始化。

同时，去高德开放平台申请 AMAP API Key（用于地图检索服务）：

4.3 第三步：配置环境变量

在项目根目录创建 .env 文件，进入 EdgeOne Makers 控制台 → 模型与密钥，获取以下配置：

变量	值	说明
AI_GATEWAY_API_KEY	sk-xxxxxxxxxx	AI 网关鉴权 Key（请替换为你自己的）
AI_GATEWAY_BASE_URL	https://ai-gateway.edgeone.link/v1	AI 网关地址
AI_GATEWAY_MODEL	@makers/deepseek-v4-flash	使用的模型
AMAP_API_KEY	xxxxxxxxxx	高德地图 Key（请替换为你自己的）

其中模型可以直接在如下界面找到，限时免费，通过专属邀请码链接进入后，在活动页，点击"点亮star&邀请码"活动，填入邀请码：77336527，即可获得50万Token

同时，将 EdgeOne API Token 配置到 GitHub Secrets（用于 GitHub Actions 自动部署）：

1. 打开 GitHub 仓库 → Settings → Secrets and variables → Actions
2. 点击 New repository secret
3. Name: EDGEONE_API_TOKEN，Secret: 粘贴控制台生成的 Token

4.4 第四步：WorkBuddy 自然语言驱动开发

回到 EdgeOne Makers 控制台，点击「自定义智能体」，用自然语言描述你的需求：

当前拉取到的项目是一个Demo，我希望做一个情侣出行的决策 Agent，希望用户可以输入所处的位置，
然后你可以通过地图去检索附近的商场，能获取到距离、店铺等信息并推荐。
场景示例：我告诉你我在红莲南路地铁站附近，我想要去一个既有倍轻松
又有西厅村屋的离得近的商场，要求你帮我推荐，
有需要我手动做的给我列号步骤和教程！

WorkBuddy 会自动分析需求，生成系统架构，并开始实施：

完成后，WorkBuddy 会贴心地列出需要你手动操作的步骤（正是上面那几步，你已经配置完了）：

这个过程省去了大量查阅文档的时间，AI 直接告诉你该做什么、怎么做。

4.5 第五步：本地体验

配置完成后，在 WorkBuddy 中发送：

我都配置完了，你帮我运行，我想本地体验一下！

Makers 会自动安装依赖（耐心等待，让子弹飞一会儿），完成后进入调试界面：

调试界面，可以看到效果，支持完整功能并可以继续追问！

4.6 第六步：推送代码，触发 GitHub Actions 自动部署

将修改后的代码推送到 GitHub：

git add .
git commit -m "feat: 情侣出行决策 Agent - 接入高德地图"
git push

推送成功后，回到 EdgeOne Makers 控制台，即可看到自动更新部署后的状态：

4.7 第七步：新建部署，正式上线

当有新的修改，比如修改了界面的环境变量等，此时你需要手动构建 在控制台进入「部署管理」页面，点击「新建部署」→ 确认，等待部署完成：

部署成功后，可以通过临时预览链接进行最终验证，也可以添加自定义域名正式对外提供服务：

添加自定义域名（点击「自定义域名」或在项目概览处添加）：

---

五、完整 Agent 调用链路图

以下是情侣出行决策 Agent 的内部执行流程：

---

六、三步接入第三方 API 的标准范式

EdgeOne Makers 的一个核心设计理念是：不需要把业务改成专有框架，只要把已有 HTTP API 用 Schema 描述清楚，Agent 就能按需调用。

以高德地图 API 为例，整个接入过程只需三步：

第一步：在 .env 中配置 API Key

AMAP_API_KEY=你申请的高德地图 Key

第二步：在 api-schema.json 中描述工具

[
  {
    "name": "search_malls_by_keyword",
    "description": "根据关键词搜索附近的商场。用于用户提供了位置和品牌偏好时，搜索匹配条件的商场。",
    "method": "GET",
    "endpoint": "/v3/place/text"
  },
  {
    "name": "get_distance",
    "description": "计算从起点到商场的直线距离，用于判断哪个商场更近。",
    "method": "GET",
    "endpoint": "/v3/distance"
  }
]

第三步：在 Agent 代码中注册工具

from agents import function_tool

@function_tool
def search_malls_by_keyword(keyword: str, city: str):
    """搜索附近商场"""
    url = "https://restapi.amap.com/v3/place/text"
    params = {"key": os.getenv("AMAP_API_KEY"), "keywords": keyword, "city": city}
    return requests.get(url, params=params).json()

关键原则 ：description 越清楚，Agent 越不容易乱调接口或漏调接口。所有真实数据查询必须通过工具完成，不要让 Agent 凭常识编造数字。

---

七、进阶：配置 GitHub Actions 自动化部署

为项目配置 EdgeOne Makers Rules，让 AI 编写更符合 Makers 规范的代码：

只需在项目根目录添加 edgeone.json（平台自动生成），后续每次 git push 都会触发自动构建和部署，无需任何手动操作。

---

八、适用场景一览

EdgeOne Makers + WorkBuddy 这套组合，适合以下场景：

场景	说明	案例
垂直领域顾问	把专家经验封装成可对话的 Agent	摄影师顾问、营养师助手、法律咨询
业务客服接入	在现有网站中嵌入智能客服 Agent	电商客服、课程顾问、售后问答
个人工具 Agent	把个人技能变成在线服务	出行决策助手、日程规划 Agent
企业内部 Copilot	为团队搭建专属知识库问答	产品文档助手、代码审查 Agent
快速 MVP 验证	用最短时间验证 Agent 产品方向	各类垂直赛道 AI 产品

---

九、为什么是 EdgeOne Makers + WorkBuddy？

EdgeOne Makers 提供的是一套经过验证的 Agent 基础设施：

• 沙箱替你跑命令，不用自己搭运行环境
• 会话记忆平台托管，不用自己写存储逻辑
• AI 网关统一接入模型，切换模型只改一行配置
• GitHub Actions 自动部署，推送即上线
• 边缘网络全球加速，用户体验流畅
• 完整可观测性，答错了能追踪到是哪一步

WorkBuddy 补全的是非技术环节：

• 自然语言驱动代码改造，不用对着文档一点点查
• 自动规划架构，告诉你该做什么、怎么做
• 实时调试反馈，快速验证想法

两者叠加的结果是：把 Agent 上线的门槛从"需要工程团队"降到了"只需要一个想法"。

---

想亲自试试？ 现在就打开 EdgeOne Makers 控制台，选择一个模板，体验 5 分钟部署一个可访问的智能体。整个过程中遇到任何问题，告诉 WorkBuddy，它会帮你搞定。