学生用 AI 做了个 AI Agent：453 测试全过，求大佬说句真话——它算玩具还是工具？

先说结论：我不确定我做的东西，到底算一个"能用的工具"，还是只是一堆"看起来很唬人的垃圾"。

所以我把它完整开源了，想请真正写过生产代码的人帮我看看。如果你愿意花十分钟翻一下代码、再在评论区骂我两句，那就是今天我最大的收获。

我为什么做这个

我是一个学生。最开始只是想搞懂一件事：现在大家都在说"AI Agent"，那一个 Agent 到底是怎么被造出来的？不是调一下 ChatGPT 接口那种，而是它真的能"记住你说过的话""自己学着把对话聊得更好""能读你丢给它的文件然后回答问题"。

我让 AI 工具帮我一起写，但尽量逼自己搞懂每一块在干什么------毕竟如果连自己写的都不懂，那就真成玩具了。这个项目，就是从"想看懂"一路堆到"想做出来"的结果。

它已经不是聊天 demo，而是一套有骨架的系统：

强化学习对话闭环：用"这次对话质量怎么样"当奖励信号去训练 Agent，让它越聊越懂你的偏好；还配了个训练仪表盘，能看 loss 曲线、回合奖励、训练历史（历史存数据库，重启不丢）。
向量语义记忆：Agent 记得住你之前说过什么，靠 embedding 召回，不是僵硬的关键词匹配，所以你隔很久再提旧话题它还能接上。
RAG 知识库：你上传文档 → 自动分块 → 混合检索（BM25 + 向量，用 RRF 融合）→ 它回答时带着原文引用，点一下角标能跳回原文那一段。
仿真自测：能自动造一堆对话场景让 Agent 自己跑，专门用来抓"它什么时候会开始胡说八道"。
质量护栏：我写了脚本拦三类垃圾------假向量、僵尸依赖、假测试，CI 跑的时候自动挡下来。

技术栈：后端 TypeScript + Express，前端 React，数据库 MongoDB，测试用 Jest。

这块我花了最多时间，也觉得最实用。

除了常见的 PDF / Word / PPT，它还能读：

LibreOffice 全家桶：.odt / .ods / .odp
电子书：.epub
一大票纯文本和标记语言：Markdown、CSV、JSON、YAML、XML、LaTeX、Org、reST、HTML、RTF、vCard、iCalendar、日志、ini、toml......
你用手机拍的文档照片（带 EXIF 方向校正、中文断行重连，还会给个质量评分提醒你"这张太糊了该重拍"）

反过来，AI 的任何一段回答，你能一键导出成 10 种格式 ------ md / txt / html / json / csv / xml / tex / org / rst / rtf。

我做这么偏门，想法很简单：你永远不知道用户手里那份文件是什么格式，少支持一种，就是多一次"打不开，算了"。

分块差点把进程搞死：当 chunkOverlap 大于等于 chunkSize 时，我的分块循环会同步死循环、直接卡死进程。后来加了收敛和"下标必须前进"的兜底才稳住。
依赖被误删：项目用 npm workspace，有次清理把 backend 的依赖提走，结果 RAG 直接炸穿主流程。现在 guard 会拦这种事。
假测试：早期写过"看起来过了但其实没断言"的测试，所以专门写了护栏去识别并挡掉。

这才是我发这篇文章的真正原因。

第一，这东西对别人有用吗？ 我承认它功能很多，但"功能多"不等于"有人需要"。是不是已经有一堆现成产品比我做得好得多？如果是，我就该换个方向，而不是继续往里堆功能。

第二，从工程角度看，最大的短板在哪？ 我自己看自己的代码，是看不出问题的。我能想到的可能是：部署太麻烦？鉴权太简陋？代码里 AI 写的痕迹太重、结构乱？测试虽然 453 个全过，但会不会都是"假测试"？哪一个最该先补？

第三，一个学生想继续往下走，下一步该学什么？ 是先把一个功能做到生产级，还是继续拓宽技术面？是先学系统设计，还是先把代码质量练出来？

代码里有些地方确实比较乱，很多是 AI 辅助写的，我自己也知道不漂亮。

欢迎拍砖，越具体越好。哪怕只回一句"你这块应该这么写"，或者"这个功能根本没人需要"，对我来说都是真的有用。

谢谢各位。