最近几个月一直在搞 Agent，试了一圈下来，感觉 Ruby 在这个场景可能比大家想的要合适。

实际开发是什么样的

之前以为做 Agent 会很复杂，实际做下来发现，基本就是在调 API 和写业务逻辑。模型不用自己训练，算法也不用优化。真正要写的代码就是：调 LLM、处理数据、让 Agent 操作各种工具。说白了，这活儿考验的是语言表达力和开发效率，不是性能。

Ruby 反而有优势

调 API 很舒服 - ruby-openai 接 GPT，anthropic 接 Claude，代码写起来很直接。配合 httparty 或 faraday 调其他 API 也不用折腾。

工具集成特别方便 - Agent 得能干活，处理文件用 fileutils、csv、nokogiri，操作数据用 json、sequel，跑定时任务用 sidekiq、whenever，网络操作用 net/http、open-uri。这些要么是标准库，要么是成熟的 gem，直接用就行。

代码写起来顺 - Agent 的逻辑就是"听懂用户 → 找工具 → 整合结果"。Ruby 写这种流程特别自然，调整也快。

门槛确实低了

让不太懂技术的同事试着写简单 Agent（自动整理文件、定时发邮件），用 Ruby 的明显上手快。装个 ruby-openai，用用 fileutils 和 net/smtp，看着文档改改例子就能跑起来。这些库的文档写得都挺人话的，不是程序员也能看明白个大概。

其实挺实用的

要搞复杂 RAG、大规模向量检索，Python 生态肯定更全。但大部分 Agent 就是"调 LLM + 操作文件/数据/网络"。Ruby 的工具链对这些支持得挺好，写起来也顺手。现在 AI 都在卷框架、卷复杂度，但做 Agent 这事儿，简单快速才是最重要的。Ruby 的工具链其实已经挺完善了。