上次 Codex 额度重置过之后我就学乖了，老老实实 gpt-5.5 做规划，用 deepseek-v4-flash 猛猛执行。碰到搞不定的问题，再上网页版让 gpt-5.6-sol-high 来解决，目前来看效果还不错，额度也够用。

在《聊聊自己vibe coding项目的进展》那篇文章里，我介绍了最近在做的投资分析项目。过程中遇到两个问题，值得聊聊。

第一个问题是关于 agent 的选择。

这个项目简单来说，就是让模型基于公开的数据对上市公司进行分析。数据来源两个：一是从巨潮信息网上下载的公司公告，二是调用 akshare 接口，获取结构化财务数据。

我喜欢清爽的页面，所以就直接在 Open WebUI 里调用了 Hermes Agent 做分析。用下来发现，爱马仕自主性太强了，总是不按提示词去执行任务。

为了解决这个问题，我决定放弃 Hermes Agent，转而搭了一个简易的 OpenAI Compatible API，直接透传模型。试了才发现，这种结构只适合聊天，没法联网搜索、调用工具、访问外部数据。

于是我下载了 Pi Agent。

之前网上冲浪就看到很多人推荐 Pi。同样是开源的 harness，它比 OpenCode 更轻量，可定制性也更强。这正是我决定试它的原因：能调用工具，而且应该会比 Hermes 更可控。

结果也确实如此。给 Pi Agent 套了一层 wrapper 之后，这层包装把模型限制在本地工具和数据源内，不能随意联网搜索，也不会胡乱调用工具了。

第二个问题是关于工作流的选择。

正好前两天也看到过一个帖子，有人问，都已经 2026 年了，为什么现在还有很多人用 LangChain 这类框架自建 agent，而不是直接调用 Claude Code 这种现成的通用 agent？

支持自建 pipeline 的人认为，在复杂的、多步骤的任务中，通用 agent 容易在边缘情况翻车，自建框架能实现对流程的精细控制。

支持 Claude Code 的人反驳说，通用 Agent 可以通过工具调用和 MCP 扩展，本身就已经内置了恢复机制，不比 LangChain 差，反而更灵活易用。

我个人的感受是，自建 agent 工作流会更稳定些，一来我干苦力活的都是 deepseek-v4-flash 这种性价比模型，能力上肯定比不过 gpt-5.6 或者 fable 5，需要明确的引导；二来闭源模型可能说不能用就不能用了，但是自建的工作流主动权在自己手里，基本上还是自主可控的。

在这个项目中，我通过人工智能创建了很多 CLI 命令，比如抓取上市公司收盘价、市净率等财务数据，下载公司公告并直接转换成 markdown 格式等。我用自然语言向模型下达指令，模型根据提示词和本地文档找到并调用对应的 CLI 命令，CLI 再去读数据库并返回数据，这样全链条都是确定性的，数据不会出错。当然在这过程中，使用 markdown、json 这种结构化文本也是非常重要的。

总的来说，之后如果有时间我会尝试用 Pi Agent 代替现在用的 OpenCode，或者先用 Oh-My-Pi 过渡一下，主要是 Pi 能和各种应用结合起来，可玩性就高了很多。

另外，通过让 AI 调用 CLI 命令也是个不错的思路，之后在别的项目中也可以拓展一下可能性。

主要的问题还是没时间，要做的太多了。就这样吧，大家周末愉快。