Rillet 用 AI Agent 把交付速度提升 3 倍：Vercel 上的真实工程实践

当一家公司的核心产品是「帮客户实时关账」的 AI 原生 ERP 时，它自己的工程速度也必须跟得上客户预期。Rillet 的做法是把内部工作流也交给 Agent：两人前端团队四个月关掉 800 多个 Linear 工单，客户提出的改动最快两小时进入生产环境，整体交付速率在三个月内翻了三倍。

从「各自造轮子」到统一约定：Agent 就是一个目录

Rillet 前端负责人 Anthony Liang 从 GPT-3.5 时代就在构建 AI 应用，几乎评估过市面上所有 Agent 框架——从各家模型厂商的 SDK 到开源生态。他的结论是：这些框架只提供了模型循环的基础原语，但「指令放哪、工具怎么注册、Agent 如何接入 Slack 和 GitHub」全都要自己拍板。

对个人项目这没问题，但 Rillet 希望包括没写过 TypeScript 的人也能上手。于是团队选择了 Vercel 的开源 Agent 框架 eve，它把指令、工具和技能收进同一个目录：

agent/
├── agent.ts        # 模型与配置
├── instructions.md # 给 Agent 的指令
├── tools/          # Agent 可调用的工具
├── skills/         # 知识与流程
├── subagents/      # 可委派的子 Agent
├── channels/       # 交互入口
└── schedules/      # 定时运行

懂业务但不懂代码的人，可以通过 markdown 指令和技能来塑造 Agent 行为；工具则存放在 TypeScript 文件里，文件名直接成为 API。Agent 从笔记本迁到 Vercel 后行为保持一致，所有部署统一在公司的 Vercel 组织下管理。

Anthony 把这套体验类比为第一次用 Next.js：「一旦看到 eve，一切就说得通了。新人很容易理解一个 Agent 是怎么搭起来的。」

什么是 Agent 框架

Agent 框架是用于构建 AI 智能体的开发库或平台，核心职责是把「模型调用—工具执行—结果回传」这一循环封装成可复用的原语。市面上的框架大致分两类：一类是模型厂商提供的 SDK（如 OpenAI、Anthropic 官方库），另一类是开源生态中的通用编排框架。多数框架只解决循环调度和工具调用协议，至于系统指令写在哪里、工具如何注册、Agent 怎样接入 Slack 或 GitHub 等外部系统，往往留给开发者自行设计。这在小规模个人项目中不成问题，但当团队需要多人协作、甚至让非工程角色参与时，缺乏统一约定就会导致每个项目结构各异、上手成本陡增。eve 这类「约定优于配置」的框架正是针对这一痛点，把指令、工具、技能收敛到固定目录结构中，使 Agent 项目具备可预测的组织形态。

子 Agent 与委派机制

子 Agent（subagent）指由一个主 Agent 按需调用、承担特定子任务的独立智能体。与「工具」不同，工具通常是无状态的函数调用，而子 Agent 拥有自己的指令、上下文乃至工具集，能够独立完成一段多步骤推理后再把结果交回主 Agent。委派（delegation）则是主 Agent 决定何时、以何种输入唤起子 Agent 的调度逻辑。这种分层设计的价值在于隔离复杂度：主 Agent 只关心任务拆解与结果整合，具体领域的细节由专用子 Agent 处理，既避免单一 Agent 上下文过载，也让每个子 Agent 可以独立迭代和替换。在工程实践中，子 Agent 常按职能划分，例如规格撰写、代码生成、验证测试等，从而组成一条流水线式的协作网络。

从工单到 PR：客户需求端到端跑通

过去，客户提出一个改动需求，信息会散落在 Linear 工单、Slack 讨论串和与工程师的追进度对话里。等所有人拼齐上下文，写代码反而成了整件事里最快的一环。

Rillet 的客户成功团队现在会打开一个 Chrome 扩展，在 Rillet 应用里高亮客户看到的问题并描述改动。扩展里的 eve Agent 捕获上下文后，如果改动安全且范围明确，就交给编码 Agent：写规格、改代码、开一个分配给 Anthony 的 PR。Agent 还会在沙箱里启动浏览器验证改动，并附上截图作为证明，Anthony 只负责 review 和合并；如果需要修改，Agent 会恢复会话继续处理。

Rillet 的 CPA 团队通过自研 Agent Nebula，能在客户提出需求后两小时内交付。公司 CEO 提到，最近几周的交付量超过了 2026 年整个上半年，而此前三个月交付速率已经翻了三倍。有客户评价说，Rillet「彻底毁掉了我对软件厂商响应速度的预期」。

模型只是一个字符串：AI Gateway 的统一接入

随着越来越多 Rillet 员工开始构建 Agent，直连 Anthropic 和 OpenAI 意味着要分别为每家模型厂商配置访问权限。AI Gateway 用一个集成把模型请求路由到多家厂商，构建者不用再单独设置供应商连接。

在 eve 里，切换模型只需要改配置里的一个字符串：

// agent.ts
import { defineAgent } from "eve";

export default defineAgent({
  model: "zai/glm-5.3",
});

部署在 Vercel 上的 Agent 会自动向 AI Gateway 认证。构建者改一下模型字符串就能为任务尝试不同模型，而不用动集成。用量明细能告诉 Anthony 团队用了哪些模型、花了多少钱，方便他跟踪支出，并在更多人构建自主 Agent 时做出模型选择。

Anthony 说：「用同一个 key 就能访问所有模型，这一点非常关键。用量可见性也很有用：能看到大家在做什么、用什么模型、设置限额，尤其是在我们构建自主 Agent 的时候。」

AI Gateway 与模型路由

AI Gateway 是介于应用与多家模型供应商之间的统一接入层。没有它时，团队若想同时使用 Anthropic、OpenAI 或其他厂商的模型，需要分别为每家申请密钥、配置网络访问、维护各自的 SDK 版本与错误处理逻辑，任何一家 API 变更都会波及代码。AI Gateway 把这些差异收敛到一层：应用只面向网关的单一接口与统一凭证，网关负责鉴权、请求转发、失败重试和响应归一化。它还带来两项运维收益——用量与成本的可观测性，以及集中式的配额与限额管理。对正在快速试验多种模型的团队而言，网关把「换模型」从一次集成改造降级为一次配置修改，显著降低了试错成本，也让支出归属和模型选型有据可依。

Enterprise Managed Users 与 Directory Sync

Enterprise Managed Users（企业托管用户）是一种账号治理模式：成员不使用个人账号登录平台，而是由企业身份提供商统一签发和管理的账号。Directory Sync 则负责把身份提供商（如 Google Workspace、Okta）中的用户与群组分配同步到平台，实现权限的自动增删。二者结合后，员工的入职、转岗、离职都会自动反映到平台访问权限上，无需人工逐个开通或回收。对构建内部 Agent 的团队来说，这意味着敏感工具默认私有、访问可审计、权限来源单一可信，既满足合规要求，也避免了个人账号分散管理带来的安全盲区。

身份与权限：把构建者纳入企业账号体系

Agent 构建者越来越多，Rillet 也需要管理他们对 Vercel 的访问。通过 Enterprise Managed Users，构建者用 Google Workspace 单点登录、以公司管理的账号登录，而不是个人账号。Directory Sync 根据身份提供商里的分配来增删权限，账号管理跟随公司目录走。

Rillet 创始 IT 负责人 Ed Hirst 表示：「用 Vercel，我们可以快速交付，同时保持账号由公司管理、访问自动化、内部工具默认私有。能控制和审计这个环境，让我晚上睡得更踏实。」

Rillet 自行完成了 Enterprise Managed Users 的配置，一次性把构建者从个人账号迁移到公司管理账号，将 Vercel 登录和账号访问纳入公司的身份提供商体系。

下一步：把 Agent 变成工厂

Anthony 正在搭建 Rillet 内部所谓的「Agent 工厂」，让更大的功能也能走和小修复一样的流水线。一个 Agent 负责写 PRD 和技术规格，另一个连接 Rillet 的 Linear 看板、Miro 图表和知识库，为其他 Agent 提供所需上下文。借助 eve 内置的子 Agent 和委派能力，这些专用 Agent 可以作为目录加进同一套框架。

对一家使命是把「月级流程」压缩到「零天」的公司来说，用 eve 构建 Agent、在 Vercel 上运行，恰好把同样的速度追求用在了内部工具上。Anthony 的总结是：「Vercel 作为一站式平台很好用，能测试东西、尝试新想法、做实验。部署 Agent 一分钟内完成，这么快看到改动，意义很大。」

Rillet 的案例说明，Agent 落地不只是选一个模型或框架，而是把目录结构、权限体系、模型接入和交付流程当成一套工程约定来设计。当「离客户最近的人」能直接驱动 Agent 完成修复时，交付速度的提升就不再依赖团队规模。