Ai-Tools on Justmaker's KB

2026 AI 平台調研：哪些平台支援完全自訂 Agent？

Thu, 02 Apr 2026 00:00:00 +0000

前言

「完全自訂 Agent」是什麼意思？不是在 GUI 上拖拉 prompt template，而是逐行撰寫 agent 邏輯——決定什麼時候呼叫哪個工具、怎麼處理結果、失敗了怎麼重試、哪些行為絕對不允許。

這篇調研針對 2025–2026 年市面上的 AI 平台，找出哪些真正支援這件事。

平台比較表

平台	自訂程度	語言	自訂 Tools	Multi-Agent	State 管理	部署	定價	成熟度
LangGraph	⭐⭐⭐⭐⭐	Python, JS/TS	✅	✅	✅ Checkpointing + 記憶	Self-hosted / Cloud	MIT License；LangSmith 按量	✅ Production
AutoGen (Microsoft)	⭐⭐⭐⭐⭐	Python	✅	✅ 核心就是 multi-agent	✅ 對話歷史	Self-hosted / Azure	MIT	✅ Production
Semantic Kernel	⭐⭐⭐⭐⭐	Python, C#, Java	✅ Plugin 系統	✅	✅ Memory store	Self-hosted / Azure	MIT	✅ Production
Pydantic AI	⭐⭐⭐⭐⭐	Python	✅ decorator 即 tool	⚠️ 基本支援	⚠️ 手動管理	Self-hosted	MIT	✅ Production
Mastra	⭐⭐⭐⭐⭐	TypeScript	✅	✅	✅ 內建 memory + RAG	Self-hosted / Node	Apache 2.0	✅ Production
CrewAI	⭐⭐⭐⭐	Python	✅	✅ Crew 協作	✅	Self-hosted / Cloud	MIT；Cloud 按量	✅ Production
smolagents	⭐⭐⭐⭐	Python	✅	✅	⚠️ 基本	Self-hosted	Apache 2.0	🔬 Experimental
AWS Bedrock Agents	⭐⭐⭐	任何 Lambda 語言	✅ Lambda functions	⚠️ 有限	✅ Session state	Cloud (AWS)	按用量	✅ Production
Google Vertex AI ADK	⭐⭐⭐⭐	Python	✅	✅	✅ Session + memory	Cloud (GCP)	按用量	✅ Production
Azure AI Agent Service	⭐⭐⭐⭐	Python, C#	✅	✅ SK 整合	✅ Thread-based	Cloud (Azure)	按用量	✅ Production
Salesforce Agentforce	⭐⭐	Apex	✅ Apex actions	⚠️ 有限	✅ CRM 內建	Cloud (Salesforce)	企業授權 $2/conv	✅ CRM 場景
ServiceNow AI Agents	⭐⭐	JS (ServiceNow)	✅ Scripted REST	⚠️ 有限	✅ 平台內建	Cloud (ServiceNow)	企業授權	✅ ITSM 場景
OpenClaw	⭐⭐⭐⭐⭐	TypeScript / Shell	✅ MCP tools	✅ Subagent spawn	✅ Memory files	Self-hosted	MIT License	✅ Production

Top 5 推薦

🥇 LangGraph

業界事實標準的 low-level agent 框架。以有向圖（graph） 為核心抽象，每個節點都是你自己寫的函式。

核心優勢：

Durable execution：agent 中途失敗可從 checkpoint 恢復，不用重跑
Human-in-the-loop：可在任何節點暫停讓人類介入、審核、修改 state
完整記憶：短期 working memory + 跨 session 的長期記憶
Python + JavaScript 雙語言

適合： 需要 durable execution、複雜多步驟 workflow、需要 human approval 的場景

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18


from langgraph.graph import StateGraph, END

def agent_node(state):
 # 你的自訂邏輯，完全掌控
 ...

def safety_guard(state):
 # 硬規則：在 code 裡攔截，LLM 繞不過
 if state["action"] == "delete" and state["target"].startswith("prod"):
 return {**state, "blocked": True}
 return state

graph = StateGraph(AgentState)
graph.add_node("agent", agent_node)
graph.add_node("guard", safety_guard)
graph.add_node("execute", execute_node)
graph.add_edge("agent", "guard")
graph.add_conditional_edges("guard", lambda s: "blocked" if s.get("blocked") else "execute")

🥈 Semantic Kernel (Microsoft)

三語言支援（Python / C# / Java）是業界獨一無二的優勢，Plugin 系統讓 tool 定義極其靈活。

核心優勢：

三語言：後端 .NET 團隊終於有了一流選擇
Filter/Hook 系統：IFunctionInvocationFilter 可以在任何 function call 前後插入 validation
深度 Azure 整合，但不綁定 Azure
適合企業級合規場景

適合： 企業 .NET/Java 開發團隊、需要與 Azure 生態整合

🥉 Pydantic AI

最 Pythonic 的 agent 框架。「讓 AI 開發獲得 FastAPI 的感覺」 是它的設計目標。

核心優勢：

沒有多餘抽象：用 @agent.tool decorator 定義 tool，用 Pydantic model 定義輸出結構
Result validator：可以攔截、驗證任何 LLM 輸出，不符規則就重試
Type-safe：型別錯誤在執行期自動 raise，不靠 LLM 自覺
Model-agnostic：支援 40+ provider，包含 Anthropic、OpenAI、GitHub Models

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22


from pydantic_ai import Agent
from pydantic import BaseModel

class JiraResolve(BaseModel):
 fix_version: str # 少一個欄位 → ValidationError → 自動重試
 build_number: str
 build_path: str
 root_cause: str
 solution: str

agent = Agent('anthropic:claude-sonnet-4-6', result_type=JiraResolve)

@agent.tool
async def get_build_info(ctx, issue_key: str) -> str:
 # 你自己寫的邏輯，不是 prompt
 ...

@agent.result_validator
async def validate(ctx, result: JiraResolve) -> JiraResolve:
 if not result.build_path.startswith(r"\\172.17.25.251"):
 raise ValueError("Build path 格式錯誤") # ← Code 強制，不是 prompt
 return result

適合： Python 開發者、想要最小框架 overhead、重視型別安全

4. Mastra

TypeScript 生態目前最成熟的 agent 框架，由 Gatsby 原始團隊開發，YC W25。

核心優勢：

TypeScript-native：型別推導、IDE 智能提示全程支援
40+ provider model routing：一個介面換任何 LLM
內建 memory + RAG：不用自己串 vector store
Workflow 系統：複雜的 multi-step pipeline 用 code 定義每個步驟
可無縫整合 React / Next.js

1
2
3
4
5
6
7
8
9


import { Agent } from '@mastra/core/agent';

export const myAgent = new Agent({
 id: 'my-agent',
 name: 'My Custom Agent',
 instructions: 'You are a specialized assistant for...',
 model: 'anthropic/claude-sonnet-4-6',
 tools: { myCustomTool }, // 完全自訂 tool
});

適合： TypeScript 開發者、前後端整合場景

5. CrewAI

Multi-agent 協作做得最好，Flows 系統提供 event-driven 的細粒度控制。

核心優勢：

10 萬+ 認證開發者，社群資源豐富
Flows：event-driven、狀態機式的 agent 協作，可精確控制每一步
Crews：定義角色（researcher、writer、reviewer）自動協作
CrewAI Cloud：一鍵部署

適合： Multi-agent 角色扮演、需要自動分工的複雜任務

關鍵洞察：Prompt 是建議，Code 是法律

這是選擇 agent 框架最重要的認知：

❌ 把規則放在 system prompt / AGENTS.md / memory 文件
→ LLM 可能忽略、context window 滿了沒載入、長對話後被沖淡
✅ 把規則寫進 agent code（tool validation、result validator、guard node）
→ 不管 LLM 怎麼想，code 就是不讓它過

哪些規則應該放 code？

不允許刪除 production 資源
必填欄位強制驗證
只允許操作特定範圍的資源（例如指定 Confluence space）
Git 推送前驗證帳號身份
公開平台不能出現特定關鍵字

哪些規則放 prompt 就夠？

回覆語言偏好（繁體中文）
回覆風格與長度
格式要求（如超連結格式）

給開發者的選擇建議

你的情況	推薦方向
Python 開發者，要逐行控制 agent	Pydantic AI（最少抽象）或 LangGraph（複雜場景）
TypeScript 開發者	Mastra
企業 .NET / Java 團隊	Semantic Kernel
需要 multi-agent 角色協作	CrewAI
需要 durable execution、長時間任務	LangGraph
已在用雲端平台（AWS / GCP / Azure）	對應的 agent service，但 agent logic 建議用純框架寫再部署
CRM / ITSM 整合場景	Salesforce Agentforce / ServiceNow（但自訂程度有限）

核心建議：避開 no-code agent builder，選擇 code-first 框架。 2025–2026 的 agent 框架已經足夠 production-ready，開源選項完全可用。真正的控制權在於能不能在 code 層面定義 agent 行為，而不是靠 prompt 希望 AI 自覺遵守規則。

AI 使用技巧、經驗與避坑指南

Wed, 01 Apr 2026 00:00:00 +0000

一切從 Prompt 開始

生成式 AI 是工具，一切效能的關鍵在如何與之互動。如果 “好問題等於工作完成一半”，那麼 “好 prompt” 就是這時代的高效捷徑。

一切從 Prompt 開始

Prompt 精準度，決定了 AI 工具的效能。以下是讓生成式 AI 更有效率的方式：

如何優化 Prompt

明確定義角色：告訴 AI，它是什麼角色，例如「你是一位資深的 DevOps 工程師，請分析以下 Kubernetes cluster log」比模糊陳述更有效。
上下文前置：AI 沒有閱讀整個 universe 的超能力。輸入需包含背景資料、限制條件，才能產出更符合需求的回答。
具體化輸出格式：需要 Excel 表、JSON 還是 Markdown，都要先說明清楚。模糊的目標，往往得到隨機效果。
拆解複雜問題：分步問題、逐步提問是必須。瞬間丟入十個目標問題的「all-in」，效果通常失敗。

常見陷阱

❌ 笨拙的 Prompt：「需要更好答案」這種話無具體細緻力。
❌ 一次要求過多：Prompt 過長反而前後矛盾，需要過濾具有邏輯整合。
❌ 期望 AI 自帶歷史記憶：生成模型沒有 Session 永久性，每次的斷句都切換「內部共享脈絡窗」的血。」

Claude Code vs GitHub Copilot：工程師實測比較

Sat, 05 Apr 2025 00:00:00 +0000

前言

AI coding assistant 已經是日常開發的標配工具。我同時使用 Claude Code 和 GitHub Copilot 超過半年，這篇分享實際使用的比較心得。

⚠️ 這是 2025 年初的體驗，AI 工具迭代很快，結論可能很快過時。

測試環境

日常工作：Vue.js 前端 + Python/Go 後端 + Shell scripts
使用場景：寫新功能、debug、code review、重構、寫文件
Claude Code 透過 OpenClaw agent 使用
GitHub Copilot 在 VS Code 中使用

比較維度

1. 程式碼生成品質

Copilot 擅長：

行內補完，手感很好
根據上下文自動補完函式名、參數
重複模式的程式碼（測試、CRUD）

Claude Code 擅長：

完整函式/模組的生成
跨檔案的重構
理解複雜需求後一次產出正確程式碼

結論：小粒度用 Copilot，大粒度用 Claude Code。

2. 程式碼理解力

這是最大的差異。

Claude Code 可以讀完整個 repo 的結構、理解 module 之間的關係，然後做出跨檔案的修改。Copilot 主要看當前檔案和相鄰檔案。

實測：給一個「把這個元件的狀態管理從 local state 改成 Pinia」的需求：

Copilot：只改了當前檔案，其他引用點要自己找
Claude Code：一次改完所有相關檔案，包括 store 定義、元件引用、測試

3. Debug 能力

Claude Code 明顯勝出。可以：

讀 error log → 定位問題 → 提出修復
理解 stack trace 的上下文
跨多個 service 追蹤問題

Copilot 的 debug 建議通常比較表面，需要你自己縮小範圍。

4. 工作流整合

面向	Copilot	Claude Code
IDE 整合	✅ 原生 VS Code	❌ CLI/Agent
即時補完	✅ 毫秒級	❌ 不適用
批量操作	❌ 單檔為主	✅ 跨檔案
Git 操作	❌ 不能	✅ 可以 commit/push
自動化	❌ 需手動觸發	✅ 可以背景執行

我的用法

兩個都用，各取所長：

寫程式時：Copilot 開著，享受行內補完
大重構/新功能：派 Claude Code（透過 OpenClaw）跑
Debug：先自己看，看不出來就丟給 Claude Code
Code Review：Claude Code，可以讀完整個 MR

總結

	Copilot	Claude Code
最佳場景	日常寫碼、行內補完	大型任務、重構、debug
學習曲線	低	中
成本	$10-19/月	依 token 計費
推薦度	⭐⭐⭐⭐	⭐⭐⭐⭐⭐

不是非此即彼的選擇。最佳策略是兩者搭配使用。

用 OpenClaw 打造 AI 助理：從零開始

Fri, 04 Apr 2025 00:00:00 +0000

什麼是 OpenClaw？

OpenClaw 是一個開源的 AI agent 框架，可以讓 LLM（如 Claude、GPT）不只是聊天，還能實際操作你的電腦：讀寫檔案、執行指令、管理 Git、呼叫 API。

它不是另一個 ChatGPT 包裝，而是一個能幹活的 AI 助理。

核心概念

Agent ≠ Chatbot

一般 chatbot 只能接收文字、回覆文字。OpenClaw 的 agent 可以：

📁 讀寫你的檔案系統
🖥️ 執行 shell 指令
🔧 操作 Git（commit、push、建 MR）
🌐 瀏覽網頁、呼叫 API
📱 連接 Discord / Telegram 接收訊息
🧠 記住對話脈絡（透過 MEMORY.md）

Workspace 結構

~/.openclaw/workspace/
├── AGENTS.md # Agent 行為規範
├── SOUL.md # Agent 的個性設定
├── USER.md # 關於你的資訊
├── TOOLS.md # 可用工具說明
├── IDENTITY.md # Agent 的身份
├── TODO.md # 待辦事項
└── MEMORY.md # Agent 的記憶

這些 .md 檔案就是 agent 的「大腦」——每次啟動時讀取，形成行為模式。

能做什麼？

以我日常使用為例：

自動化開發

「幫我寫一個 KVM 效能監控腳本，放到 ~/scripts/ 裡」

Agent 會直接寫好腳本、設定執行權限、甚至幫你加到 crontab。

知識管理

「把今天 Discord #ai-tools 頻道的討論整理成一篇部落格文章」

Agent 讀取 Discord 訊息、整理成結構化文章、push 到 Hugo 部落格。

程式碼審查

「Review 一下最新的 MR」

Agent 會讀 MR diff、分析問題、留下 review comment。

適合誰？

工程師、開發者（最大受益者）
需要自動化重複工作的人
願意花時間調教 AI 行為的人

下一步

如果你對 OpenClaw 感興趣，可以到 GitHub repo 看看文件和範例。

後續文章會深入介紹進階功能：MCP server 串接、多 agent 協作、自動化工作流。

AI Native IDE / Code Editor 全景報告（2025-2026）

Tue, 01 Apr 2025 00:00:00 +0000

最後更新：2026-04-01

🖥️ 獨立 AI IDE（完整的 Editor）

工具	公司	開源	定價	核心特色	支援 Model	狀態
Cursor	Anysphere	否	Free / Pro $20/mo / Biz $40/mo	VS Code fork，內建 AI chat、Tab completion、multi-file edit、Agent mode。目前最成熟的 AI IDE	GPT-4o, Claude 3.5/Opus, 自選 API key	GA
Windsurf	Codeium（被 OpenAI 收購，~$3B）	否	Free / Pro $15/mo	Cascade 多步驟 agent、Flows 概念，自動讀 codebase context	GPT, Claude, 自研 model	GA
Trae	ByteDance	否	Free (Beta)	字節跳動出品，內建 AI chat + Builder mode，支援中文	Claude, GPT, 豆包大模型	Beta
Zed	Zed Industries	是 (GPL/AGPL)	Free / Pro $10/mo (AI)	Rust 原生高效能 editor，速度極快，native collaboration，AI assistant	Claude, GPT, Ollama (本地)	GA
Void	Void Dev	是 (MIT)	Free	開源 AI code editor，對標 Cursor 的開源替代，支援自選 LLM	任意（自選 API）	Alpha/Beta
PearAI	PearAI 團隊	是 (Apache 2.0)	Free / Pro $15/mo	開源 AI editor，fork of Continue + VS Code，整合 AI chat 和 inline edit	Claude, GPT, 本地 model	Beta
Melty	Melty 團隊	是 (MIT)	Free	主打「理解整個 codebase 變更歷史」，與 git diff 深度整合	Claude, GPT	Alpha（可能停止活躍開發）

🔌 VS Code / IDE Extension

工具	公司	開源	定價	核心特色	支援 Model	狀態
GitHub Copilot	Microsoft/GitHub	否	$10/mo / Biz $19/mo / Ent $39/mo	最廣泛使用的 AI coding tool，Copilot Chat、Agent mode、Workspace	GPT-4o, Claude, Gemini (agent)	GA
Continue	Continue Dev	是 (Apache 2.0)	Free	開源 AI code assistant，可接任意 LLM，高度可自訂	任意（OpenAI, Anthropic, Ollama）	GA
Cody (Sourcegraph)	Sourcegraph	是（部分 Apache 2.0）	Free / Pro $9/mo / Enterprise	Codebase-aware context，利用 Sourcegraph 搜尋引擎提供精準上下文	Claude, GPT, Gemini	GA
Amazon Q Developer	AWS	否	Free / Pro $19/mo	前 CodeWhisperer，深度整合 AWS 服務，安全掃描、code transformation	自研 (Amazon Titan+)	GA
Tabnine	Tabnine	否	Free / Pro $12/mo / Enterprise	隱私優先，可完全本地部署，企業級 code completion	自研	GA
Supermaven	Supermaven（被 Cursor 收購）	否	已整合進 Cursor	極速 code completion（300ms），超長 context window (100K tokens)	自研	⚠️ 整合進 Cursor
JetBrains AI Assistant	JetBrains	否	含 JetBrains 訂閱 / $10/mo addon	原生整合 IntelliJ 系列，AI chat + inline completion + refactor	GPT, Gemini, 自研	GA
Augment Code	Augment	否	Free / Pro（定價未公開）	大型 codebase 深度理解，企業級 context engine	Claude, GPT	GA

⌨️ CLI / Terminal-based

工具	公司	開源	定價	核心特色	支援 Model	狀態
Claude Code	Anthropic	否	按 API 用量計費	Terminal-native AI coding agent，直接讀寫檔案、執行指令、理解整個 repo	Claude 3.5/Opus	GA
Aider	Paul Gauthier	是 (Apache 2.0)	Free	最強 terminal AI pair programmer，支援幾乎所有 LLM，git-aware，自動 commit	任意（GPT, Claude, Gemini, 本地）	GA
GitHub Copilot CLI	GitHub	否	含 Copilot 訂閱	Terminal 指令建議與解釋	GPT	GA
OpenAI Codex CLI	OpenAI	是 (Apache 2.0)	按 API 用量	OpenAI 官方 terminal coding agent，類似 Claude Code 定位	GPT-4o, o3	Beta
OpenCode	Anomaly	是 (MIT)	Free / Zen（付費 model 代理）	120K+ stars 的開源 AI coding agent。Terminal TUI + Desktop App + IDE Extension 三種形態。內建 Build/Plan/General/Explore 四個 agent，支援 MCP Server 擴展，LSP 整合	75+ 家 provider	GA

🌐 Browser-based / Cloud IDE

工具	公司	開源	定價	核心特色	支援 Model	狀態
Replit	Replit	否	Free / Core $25/mo	瀏覽器全功能 IDE + AI Agent，可直接 deploy	GPT, Claude, 自研	GA
Project IDX	Google	否	Free (Preview)	Google cloud IDE，整合 Firebase/GCP 和 Gemini	Gemini	Beta
Bolt.new	StackBlitz	否	Free / Pro $20/mo	AI 全端 web app builder，瀏覽器即時生成 + 預覽 + deploy	Claude, GPT	GA
v0	Vercel	否	Free / Pro $20/mo	AI UI/frontend generator，專精 React/Next.js	GPT, Claude	GA
Lovable	Lovable（前 GPT Engineer）	否	Free / Pro $20/mo	AI full-stack app builder，自然語言生成完整 web app	Claude, GPT	GA

🤖 Autonomous Agent（全自動寫 Code）

工具	公司	開源	定價	核心特色	支援 Model	狀態
Devin	Cognition AI	否	$500/mo (Team)	第一個號稱「AI Software Engineer」，可自主規劃、寫碼、debug、deploy	自研 + Claude/GPT	GA
OpenHands	All Hands AI（前 OpenDevin）	是 (MIT)	Free	開源版 Devin，自主 coding agent，有 sandbox 環境	任意（Claude, GPT, 本地）	GA
SWE-Agent	Princeton NLP	是 (MIT)	Free	學術界最強 SWE benchmark agent，GitHub issue → PR 全自動修復	GPT, Claude	GA (研究用)
Copilot Workspace	GitHub	否	含 Copilot 訂閱	從 GitHub Issue 到 PR 的全流程 AI 輔助	GPT	Beta

🛠️ Agent 監控 / 管理平台

工具	公司	開源	定價	核心特色	狀態
OhMyAgent	OhMyAgent.dev	未知	未公開（有 Waitlist）	Multi-agent 系統的黑盒子與控制塔。四大模組：X-Ray（即時 agent 狀態流視覺化）、Human-in-the-Loop（敏感操作 breakpoint + 人類審核）、Sandbox（shadow test 環境）、Wallet Guard（per-step 成本追蹤）	Early Stage

🎯 個人建議

現有工具鏈

Claude Code (via OpenClaw) — CLI agent，已深度整合日常工作流
GitHub Copilot — 日常 code completion
OpenClaw — AI agent 框架，可串接多種 model

✅ 值得一試

Cursor — GUI agent 體驗，multi-file edit 成熟，適合前端開發
Zed — Rust native 高效能，適合 C/系統開發（速度快）
Trae — 免費且功能完整，ByteDance 持續投入

⚠️ 不急著加的

Bolt.new / v0 / Lovable — 專注 web app prototyping，與系統級開發場景不搭
Devin — $500/mo 太貴，OpenClaw subagent 能做類似的事
Replit / Project IDX — browser-based 不適合本地開發環境

💡 有獨特價值

Continue (開源) — 可接本地 Ollama model，隱私敏感場景有價值
OpenHands — 開源全自動 agent，batch 修 bug 場景可與 OpenClaw 互補

🆕 本次新增

OpenCode — 開源 AI coding agent，有 Terminal/Desktop/IDE 三種形態，支援 75+ provider 和 MCP，Custom Agent 系統完整。跟 Claude Code 定位類似但開源且 model-agnostic
OhMyAgent — Multi-agent 監控平台，提供 agent 狀態視覺化、human-in-the-loop、cost tracking。目前 early stage

資料來源：截至 2025 年初知識庫 + 公開資訊 + 2026-04-01 網站查證。定價和狀態可能已有更新。