企业官网建设流程全解析

上个月我刷到一条消息，某品牌主打 AI 智能体概念的新手机开启预售，预约人数直接冲到 36 万。评论区吵成一片，有人说这是"下一代手机"该有的样子，有人质疑又是饥饿营销。而我当时的反应有点不合群——因为摆在桌上的那台用了快三年、边框掉漆、电池健康度只剩 78% 的旧安卓机，早被我改造成了一个类似的东西：它能听懂语音指令，能跨应用帮我设闹钟、发消息、记笔记，能在我下班前主动提醒取快递，甚至能根据早上的日程自动生成当日简报。全部增量成本是每个月 12 块的 API 费用。

这篇文章不是来论证"厂商在割韭菜"的，也不是劝你别买 AI 智能体手机。我想做一件更实在的事：把所谓"AI 智能体手机"的卖点彻底拆开，告诉你背后到底是什么技术在起效，然后给出一套我本人跑了两个多月的低成本复刻方案。看完你至少能回答一个问题：那 36 万人抢的东西，对我来说到底值不值。

1. 36万人抢的AI智能体手机，核心卖点拆开无非三块积木

1.1 厂商不说的秘密：这就是"大模型 + 系统权限 + 自动化"

AI 智能体手机铺天盖地的宣传里，高频词永远是"系统级 AI""跨应用操作""主动服务""全程语音"。听起来非常科幻，可落到技术实现层面，翻来覆去逃不开三块积木。

第一块是大模型的意图理解能力。所谓"用自然语言操控手机"，本质是让 AI 听懂"明早 8 点提醒我开会"这句话，并把它拆解成"创建提醒、时间=明早8点、内容=开会"。这个动作，靠的是手机里塞了一个云端或端侧的大语言模型，跟机器上焊的是哪颗芯片关系不大。哪怕是三年前的旧手机，只要能发起一个 HTTP 请求，就能获得同样的"听懂人话"能力。

第二块是系统权限和自动化工具。AI 听懂之后总得动手干活，跨应用操作依赖的是系统级助手协议、无障碍服务、快捷指令、剪贴板、通知栏权限这些"管道"。说得直白点，就是让 AI 能替你点屏幕、填表单、调起 App、发送内容。这套东西在 Tasker、快捷指令这些工具里已经存在很多年了，并不是新发明。

第三块是场景感知与主动触发。所谓"主动服务"，靠的是日历、位置、WiFi、时间、通知事件这些信息的联动。到了某个点、进了某个区域、收到某一类通知，就触发一条自动化流程。这同样不是新东西，很多自动化玩家十年前就在玩了。

三块积木拼起来，就是一台 AI 智能体手机的核心体验。厂商花了很大力气把它们打磨成软硬一体的产品，但如果你只看"功能上有还是没有"，那差异就被大大压缩了。

1.2 为什么这个组合能卖上万块，单独做却不神秘

厂商把这三样东西封装成一个产品，当然有不可否认的工程价值。端侧模型、安全沙箱、系统级 API、售后生态，每一环都要投入大量研发，体验和稳定性也确实比自己拼装强。可换个角度看，发布会上一页页 PPT 演示的场景——语音设提醒、跨应用转发、自动生成摘要、主动日程建议——你在旧手机上用一个十几块的 API 套餐，一个个复刻出来完全可行。

我并不是说厂商在骗钱。任何成熟产品都包含"封装红利"，你花钱买的是省心、稳定和一整套售后保障。但如果你想搞清楚这笔钱到底花在了哪里，本文的核心判断是：AI 智能体手机卖的不是魔法，是封装。愿意折腾的人，确实可以用极低的成本逐件买到这些积木。

2. 12块/月怎么落地：先画一张最小可用的Agent架构

动手之前，先把账算清楚，再把架构想明白。这是我和很多一上来就装各种"AI 手机助手 App"的人最大的区别——前者是在搭系统，后者只是多装了几个聊天机器人。

2.1 12块钱到底买到了什么

先说费用构成。我选的是一个国产大模型 API，按 token 计费。日常使用强度大概是每天 20 到 40 次请求，多数是几十到几百 token 的短指令，偶尔用来做长文本总结。这样跑下来，一个月账单基本落在 10 到 15 元之间，取个平均就是 12 块。

给不熟悉 API 计费的朋友补个概念。大模型 API 按 token 收钱，token 可以粗略理解成"模型读取的字词碎片"，1 个汉字大约对应 1 到 2 个 token。现在国产模型价格卷得厉害，输入侧一两块钱能买几百万 token，输出侧贵一些但也不至于"用不起"。按我的使用频率和上下文长度，几十次调用一天，一个月十几块，完全在可接受范围内。

这里有个要命的细节：12 块/月的前提是把模型用在刀刃上。只让它做意图识别和轻量生成，长文本总结这种重活偶尔用一次。如果天天让它写几千字文章、批量分析上百页文档，账单会轻松跳到几十上百。我第一个月就吃过这个亏，后面第五节细说。

2.2 整套方案由四个模块组成

我不画架构图，直接按数据流把模块摆出来，你顺着数字走一遍就清楚了。

1. 入口模块：接收声音或文字指令。我用的是手机自带语音助手 + 桌面小部件 + 快捷方式，把"语音到文字"这步解决掉。
2. Agent 网关：一台旧电脑或者手机上的 Termux 里跑着一个小服务，负责把指令转发给大模型，让大模型做两件事——理解意图 + 输出结构化任务参数，然后网关再决定调用哪个工具执行。
3. 工具执行层：手机本地安装的自动化工具，比如安卓上的 Tasker、HTTP Shortcuts，或者 iOS 上的快捷指令，负责真正操作系统。
4. 记忆与偏好存储：一个本地 JSON 文件，记下常用地址、联系人、习惯提醒时间，让 Agent 越用越顺手。

整套链路拆到底就是"听指令 → 大模型规划 → 系统执行 → 反馈结果"。这和厂商的 AI 智能体手机没有代差，只是他们封装得更深、更稳定、更快罢了。你的手机、我的旧安卓机，跑的是同一条逻辑。

3. 从零搭建：把旧手机调教成AI智能体手机的完整步骤

下面进入实操环节。我按"大脑 → 手脚 → 耳朵 → 记忆"四个层次来讲，每一步都给出可复制的方案，照着做基本都能跑通。

3.1 先搭一个会规划的"大脑"

Agent 网关的代码并不复杂。我在旧笔记本上装好 Python 环境，用 Flask 起了个 HTTP 服务，核心思路是：前端指令进来后，通过提示词约束大模型输出固定格式的 JSON，让它只做意图识别和参数提取，不废话、不自由发挥。代码如下：

# agent_gateway.py from flask import Flask, request, jsonify import requests import json app = Flask(__name__) SYSTEM_PROMPT = """ 你是手机智能体的任务规划器。根据用户指令，只输出一个JSON对象： {"intent": "set_alarm|create_note|send_message|query_weather|review_schedule|other", "params": {...}} intent只允许列出的枚举值。params里放执行该操作所需的最小参数，时间一律转换为24小时制并带日期。 不要输出任何解释或额外内容。 """ def call_llm(user_text): resp = requests.post( "https://api.example.com/v1/chat/completions", headers={"Authorization": "Bearer 你的KEY"}, json={ "model": "你选的模型名", "messages": [ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": user_text} ], "temperature": 0.1 }, timeout=15 ) data = resp.json() content = data["choices"][0]["message"]["content"] # 去掉模型偶尔会加的 ```json 围栏 cleaned = content.strip().lstrip("```json").rstrip("```") return json.loads(cleaned) @app.route("/agent", methods=["POST"]) def agent(): text = request.get_json().get("text", "") plan = call_llm(text) return jsonify(plan) if __name__ == "__main__": app.run(host="0.0.0.0", port=8080)

这段代码的要害在于：把大模型的自然语言输出，转成机器可执行的结构化指令。比如我说"明天早上 7 点 45 提醒我带身份证"，它返回的就是：

{ "intent": "set_alarm", "params": { "time": "07:45", "date": "2026-06-11", "note": "带身份证" } }

有了这种结构化输出，后面的自动化才有意义。没有它，模型只是在聊天；有了它，模型才是在干活。

不想用旧电脑的话，还有两个替换方案：把服务跑在手机里的 Termux 上，或者放到树莓派、软路由里。我实测过 Termux 方案，性能完全够用，唯一的代价是手机在家里不能随意断网。平时出门在外，我依赖的是自己在云上长期挂机的一台小服务器，那部分成本另算，如果你只在家里玩，零额外硬件成本就能跑起来。

3.2 再让AI拥有"手脚"：连接手机自动化工具

大脑有了，手脚怎么接？安卓上我用的是两件免费工具：HTTP Shortcuts 和 Tasker。

思路是：在 HTTP Shortcuts 里新建一个请求，把语音或文字通过 POST 发给 Agent 网关，然后解析返回的 JSON，按 intent 字段分流到不同的自动化动作。

• intent 是 set_alarm，就调起系统闹钟 App，填入精确时间——Tasker 里有现成的"设置闹钟"动作；
• intent 是 create_note，就调用备忘录的分享接口写入；
• intent 是 send_message，就弹一个确认框，确认后通过短信或微信发送；
• intent 是 query_weather，就请求天气接口再朗读结果。

配置完一轮之后，以后想新增能力，只需要在 Tasker 里多加一个分支，或者在网关系关里多定义一个 intent 枚举，不需要动其他代码。

iOS 用户也不用叹气，快捷指令能做同样的事：用"获取 URL 内容"请求网关，用"如果"条件判断 JSON 里的 intent，再调用对应的系统操作，逻辑一模一样。

这里有一个我反复强调的经验：能走系统原生 Intent 的，千万别走无障碍模拟点击。原生方式稳定、不打断用户操作、不会被系统拦截；模拟点击虽然万能，但一次误触可能把整页设置改得乱七八糟。后面坑里会细讲。

3.3 语音入口与"主动提醒"怎么实现

语音入口是衡量"智能体手机"体验的关键。我的做法是：给手机自带语音助手设定一个自定义指令，说出"问问 AI"或者某个自定义短语，唤起一个 URL Scheme，把语音转出来的文字发到 Agent 网关。全程用的是手机自带能力，不用额外装 App。

主动提醒靠的是触发器。Tasker 里能监听大量事件：时间到达、日历事件、WiFi 连接变化、电量变化、通知内容匹配。举两个我实测有效的例子：

• 每天早上 8 点，网关自动查当天天气和日程摘要，生成一段"今日简报"推送到通知栏；
• 当我连上公司 WiFi 时，网关收到事件后提醒我"把昨天的工作日报发了"。

从体验上看，这就是厂商宣传的"主动服务"，只是少了一点动画过渡，多了一点极客味。但该有的提醒、该省的心，一分不少。

3.4 让Agent"记住你"：一个JSON文件就够了

AI 智能体手机的另一大卖点是"越用越懂你"。我的做法很朴素：在网关服务里维护一个 memory.json，大模型每次处理完指令后，把值得记住的信息——常用地点、偏好的提醒时间、重要联系人的称呼——抽出来写进文件。下一条指令进来时，把这些记忆塞进提示词的上下文。

不搞向量数据库，也不上 embedding 服务，这点数据量用一个 JSON 文件绰绰有余。前面代码里已经预留了接口，你可以在 call_llm 时把 memory 内容一并传给模型，让它结合历史偏好做判断。想要更进阶的语义记忆，以后可以加，但那是锦上添花，不是起步必需。

到这里，一台旧手机已经完成了大部分"AI 智能体手机"发布会上的表演。剩下的问题是：它到底好用吗？

4. 同场景实测：12块方案和万元旗舰的差距比想象中小

搭完之后，我把这台"12 块版智能体手机"当主力用了半个月，期间借朋友的万元 AI 旗舰对比了几轮。直接说结论：差距存在，但没有厂商渲染的那么大。

4.1 同一批场景的横向对比

必须说明的是，这里对比的是"我这套方案"和"厂商产品的公开宣传体验"，不同品牌差异也很大。但大方向不会错：核心交互能力基本在同一水平线，差的是稳定性和生态密度。

4.2 便宜方案反而强的场景

先说我自认为赢得比较轻松的地方。

第一是可定制性。厂商给你预置的工具就那几个，而我的 Agent 网关只要加几行代码，就能接入任何想接的东西。前天我把家里的米家智能插座也接了进去——说一句"把客厅灯关了"，网关直接通过局域网接口下发指令，灯光熄灭。这种自由度，厂商目前不会给你开放。

第二是隐私和数据掌控感。我的记忆文件存在自己设备上，重要内容随时能删，不会莫名其妙被拿去训练模型。厂商的主动服务需要数据上云，虽然方便，但扪心自问，你愿意把多少生活细节交给手机厂商？每个人答案不同，但至少我这种数据敏感型用户，自建方案更安心。

第三是成本。12 块/月，核心功能都有，剩下的钱能吃好几顿火锅。只谈核心体验的话，这笔账怎么算都不亏。

4.3 确实追不上的场景

我不玩虚的，差距最大的三个点必须讲清楚。

第一，端侧大模型的速度与离线能力。旗舰机的端侧模型可以在无网状态下完成大部分意图识别，我的方案一断网就哑火。地铁里没信号的那几分钟，体验差距是最明显的。

第二，系统级整合的稳定度。厂商的系统 AI 能直接调用日历、地图、支付等深度服务，几乎不会误触。自建方案有时要绕一大圈，碰上某个应用更新了权限策略，脚本可能就悄悄罢工。

第三，主动服务的生态密度。厂商能从你的邮件、短信、日历、地理位置里综合计算，给出更贴心的建议；我的方案只能靠手动设定好的触发器，覆盖面窄得多。比如"根据通勤实时路况提前提醒出门"这种场景，自建方案要人工适配的数据源太多，做起来很累。

所以我的定位很明确：核心体验平替，不是完全复刻。如果你追求的是"偶尔用着很爽"，这套方案已经值回票价；如果你要的是"每时每刻无感流畅"，那确实得靠厂商的软硬一体工程。

5. 复刻过程踩过的5个坑，每一个都折腾到半夜

搭建流程看着顺，实际操作时我踩了一堆坑。挑最典型的五个说，提前知道能省下好几个通宵。

5.1 API延迟让我差点放弃

最初网关是同步调大模型 API，一个语音指令从说话到执行，常常要等 3 到 5 秒。演示视频里这个延迟能接受，真当主力用就很急人，一度想放弃。

我后来做了三个优化。第一，该用流式输出的地方用流式，让"正在处理"的反馈先出来；第二，给常见指令做了本地缓存，比如"现在几点""明天天气"这种高频问题，直接走缓存不模型；第三，接受一个事实——自动化任务比实时对话允许慢半拍。所以我尽量把语音命令设计成"一句到位"，避免来回多轮沟通。

5.2 高危操作误触，闹钟差点全没了

有次测试"帮我把明天的闹钟都关掉"，结果 Tasker 把整个闹钟 App 的所有闹钟全清了。原因是我在任务分支里写得太宽，匹配到"闹钟"关键词就一股脑全关，没有做二次确认。

这件事之后我立了一个规矩：AI 可以包办，但不能越权包办。凡是涉及删除、发送、支付等级别的操作，一律在高危动作前加确认弹窗，或者要求指令里必须包含明确的"确认"关键词。自动化执行和高危操作之间，必须永远留一个人类确认的闸门，这是底线。

5.3 第一个月账单超了预算

我以为自己用量很低，结果第一个月账单下来 30 多块，比预期翻了一倍多。查了一下用量明细，原因有两处：某几天连续跑了很多长文本总结；另一些请求把超长历史记录全塞进了上下文，token 消耗巨大。

对症下药后，我把上下文做了截断处理：超过 2000 token 的历史直接归档，日常只加载最近几条；同时对 API 设置了月度额度预警，超过 80% 就通知我。账单慢慢回落到了 12 块附近。这个坑必须警惕：模型本身的单价已经很低，贵的是无节制的上下文堆积和放飞的调用量。

5.4 语音入口接得稀碎

自定义语音指令最大的坑是：系统自带语音助手的识别率还行，但对第三方自定义触发词的支持极不稳定。我折腾了两天，发现最优解不是硬刚语音助手，而是换一个交互方式——在桌面放一个小部件，点一下就能录音并转文字发到网关，识别率比语音助手的自定义短语高得多。

对于"不想动手"的场景，再保留语音触发词双管齐下。这个经历让我明白：交互从来不是只有一条路，灵活组合最重要，没必要死磕某一个入口。

5.5 后台被杀、权限被回收

自建方案的另一个大敌是安卓后台回收机制。自动化工具、本地小服务，动不动就被系统进程回收，我已经不止一次发现闹钟没设上，就是因为 Tasker 在后台被杀了。

解决方案是：把关键工具加入电池优化白名单、锁定后台任务，部分机型还要在权限设置里允许自启动。如果你是 iOS 用户，后台限制更严，建议把需要稳定运行的服务放在家里的小主机上，手机只当"遥控器"，这样反而更稳。我的最终状态就是这样：网关和记忆文件都在家里的小主机上，手机通过局域网或远程访问，很少再出幺蛾子。

这五个坑，只要提前知道，几乎都能绕开，但一个个踩过去确实很耗时间。好在踩完之后的稳定性还是很让人满意的。

6. 拿12块方案先跑两周，再决定要不要花上万

文章最后，聊聊那 36 万人到底该不该抢的问题。我的答案比较折中：先搞清楚自己属于哪一类人。

6.1 四种人，直接买AI智能体手机更合适

如果你属于下面几类，建议不要折腾自建方案，直接买厂商的 AI 智能体手机更省心：

• 完全不想折腾技术的人。宁可多花钱，也要开箱即用，稳定优先。
• 重度日程和商务人士。系统级整合的日历、邮件、会议摘要体验，确实值那个溢价。
• 长辈用户。语音交互门槛低，厂商的端侧模型和主动服务更可靠，出问题有售后。
• 很看重离线能力的人。经常出入无信号环境，端侧推理是刚需。

6.2 另一种情况：我的方案可能更适合你

如果你的情况符合下面任何一条，我强烈建议先别急着掏钱：

• 你本来就爱折腾数码和自动化，家里有闲置电脑或手机；
• 你对"手机厂商掌握全部数据"这件事很敏感；
• 你只是被某两三个 AI 场景吸引，并不需要全系统 AI 覆盖；
• 你预算有限，但不想放弃智能体功能。

这四种情况下，12 块/月方案会给你 90% 的体验，外加 10% 的折腾成本。而对于爱玩的人来说，这 10% 的折腾本身就是乐趣。

6.3 我的最终建议：先试再买

如果你正在纠结要不要冲那台 36 万人抢的手机，我建议先别冲。用这套 12 块的方案跑两周，搞清楚"AI 智能体手机"在你生活里到底扮演什么角色。跑完你会得到两个结果：要么发现你需要的就是一个会设闹钟、查天气、记备忘的语音助手，那 12 块方案绰绰有余；要么你确实对系统的流畅整合、离线响应、生态联动产生了刚需，那到时候再买也不迟，而且选择会理性得多。

我常跟朋友说的一句话是：新技术的价格里总是含着不少"想象力溢价"。自己动手做一遍，既是把这笔溢价省下来，也是把对技术的理解真正握回自己手里。这和省不省钱无关，纯粹是折腾的乐趣，顺带还能在日常使用中收获一种"这手机是真的懂我"的实在感。