I Built A USEFUL AI Agent (3 months of learnings in 10 mins)

Boop是一個基於iMessage的AI代理，兩個月開發週期內積累了大量功能。最核心的技術挑戰在於Apple服務缺乏官方API。講者發現這並非不可能，因為iMessage、Apple Notes和Apple Reminders實際上都儲存在裝置本機的SQL資料庫中。當使用者透過文字訊息詢問「媽媽問的水瓶牌子是什麼」時，Boop會構建SQL查詢從多年前的對話歷史中精確找到相關訊息。這種方法的代價是需要完整磁碟權限，這也促成了桌面應用程式的開發——通過Electron包裝Web控制面板，使用者可以直接授予應用權限，而不必授予終端完整存取權。

網頁瀏覽器功能的實現經歷了更複雜的演進。雖然Claude Agent SDK內建網頁工具，但Instagram、LinkedIn等平台直接封鎖AI瀏覽器，且無法存取登入牆後的內容。講者研究了Playwright和Puppeteer等自動化庫，最終採用Patchrite（Playwright的修改版）來有效繞過機器人檢測。為了處理登入需求，講者實施了「人環模式」：當代理需要登入時，它會打開裝置上的實際瀏覽器並提示使用者「我已打開瀏覽器，你能登入嗎？」完成後代理繼續執行任務。這種設計優雅地解決了安全性與功能性的平衡。

架構層面的改革源於使用者對多SDK支援的強烈需求。原本系統完全基於Anthropic Agent SDK，但為支援OpenAI SDK（讓使用者可用其訂閱而非完全依賴Claude Code訂閱），講者進行了完全重寫。新架構透過適配器模式將所有工具從特定SDK中抽象，使用者在設定中選擇Claude或OpenAI後，系統自動路由到對應適配器。這個模式的優勢在於架構本身SDK無關，未來可輕鬆添加其他提供商。資料層則選擇Convex資料庫，因為它提供實時同步、內置定時任務、整個後端皆為代碼形式——對AI代理特別重要，因為代理可直接理解和修改後端邏輯，而無需複雜的配置。

桌面應用程式不僅是UI包裝，更解決了運營問題。原先使用者必須在終端持續運行Boop，若電腦重啟或終端崩潰就需手動重啟。桌面應用使其在背景自動運行，下拉選單可查看所有正在運行的程序。同時應用還支援透過簡訊改變設置（如「能用Codeex作為安全套嗎？」）、支援圖像輸入等生活品質改進。最令講者興奮的是開源後，社區對其進行修改、深入研究架構並基於學到的概念開發新產品，這種生態發展超越了工具本身的價值。