Vercel eve：文件系统优先的 AI Agent 框架，5 分钟上手实战

eve 是一个文件系统优先（filesystem-first）的持久化 AI Agent 框架，由 Vercel 团队开源，遵循 Apache 2.0 协议。它的核心理念是：文件系统即接口——你不需要复杂的配置文件，只需要在项目中创建约定好的文件和目录，Agent 就定义好了。

引言

AI Agent 是 2026 年最火的开发方向之一。从 OpenAI 的 GPTs 到各种 Agent 框架，开发者们一直在寻找更简单、更直观的方式来构建 AI Agent。今天要介绍的 Vercel eve，可能就是这个问题的终极答案。

就在上周，Vercel 在 GitHub 上开源了一个名为 eve 的 AI Agent 框架，短短几天就收获了超过 1300+ Star。作为对比，Next.js 之父 Vercel 出品的每一个开源项目都代表着行业风向。eve 的核心理念是：文件系统即接口（Filesystem-first）。

这意味着什么？简单来说，你不需要复杂的配置文件、不需要学习繁琐的 SDK，你只需要在项目中创建一些约定好的文件和目录，你的 AI Agent 就定义好了。

什么是 Vercel eve

eve 是一个**文件系统优先（filesystem-first）**的持久化 AI Agent 框架。它由 Vercel 团队开发并开源，遵循 Apache 2.0 协议。

它的核心理念是将 Agent 的能力分布在文件系统的约定路径中。这样的设计有几个显著优势：

• 直观的项目结构 —— 看一眼目录树就知道 Agent 能做什么
• 易于扩展 —— 添加工具就是添加一个文件
• 易于运维 —— 代码即配置，支持 Git 版本管理
• 持久化 —— Agent 的状态可以跨会话保持

eve 的核心概念

eve 的项目结构非常清晰，看一次就记住了：

my-agent/
└── agent/
    ├── agent.ts            # 可选：模型和运行时配置
    ├── instructions.md     # 必需：系统提示词（System Prompt）
    ├── tools/              # 可选：Agent 可以调用的函数工具
    │   └── get_weather.ts
    ├── skills/             # 可选：按需加载的任务流程
    │   └── plan_a_trip.md
    ├── channels/           # 可选：消息通道（HTTP、Slack、Discord 等）
    │   └── slack.ts
    └── schedules/          # 可选：定时任务（Cron Job）
        └── weekly_recap.ts

每个目录都有特定的含义：

目录/文件	是否必须	作用
instructions.md	✅ 必须	Agent 的系统提示词，定义行为准则
agent.ts	可选	配置使用的模型、API key 等
tools/	可选	Agent 可以调用的 TypeScript 函数
skills/	可选	按需加载的操作流程（Markdown 描述）
channels/	可选	接入消息渠道（HTTP API、Slack Bot、Discord Bot）
schedules/	可选	定时任务配置

快速开始：5 分钟构建第一个 Agent

环境要求

• Node.js 18+
• npm 或 pnpm

第一步：初始化项目

npx eve@latest init my-agent

这条命令会：

1. 创建一个 my-agent 目录
2. 安装依赖（eve 包本身）
3. 初始化 Git 仓库
4. 启动交互式终端 UI

如果你已有项目，也可以直接初始化到当前目录：

cd myapp
npx eve@latest init .

第二步：编写系统提示词

打开生成的 agent/instructions.md，用你自己定义的 Agent 行为替换默认内容：

你是一个简洁的天气预报助手。
告诉用户天气数据是模拟的（Mock），仅供演示。
回答要简短、友好，每次回复最后加一句"☀️ 祝你今天好心情！"

第三步：添加工具函数

接下来为 Agent 添加一个获取天气的工具。创建 agent/tools/get_weather.ts：

import { defineTool } from "eve/tools";
import { z } from "zod";

export default defineTool({
  description: "获取指定城市的模拟天气数据",
  inputSchema: z.object({
    city: z.string().min(1).describe("城市名称，如 Beijing、Shanghai"),
  }),
  async execute({ city }) {
    // 这里可以接入真实天气 API
    return {
      city,
      condition: "Sunny",
      temperatureC: 25,
      humidity: "60%",
    };
  },
});

可以看到，eve 使用了 zod 做输入验证，defineTool 包装了工具的描述和实现逻辑。这一切都遵循 TypeScript 的类型安全。

第四步：配置模型

创建 agent/agent.ts 来选择你想要的模型：

import { defineAgent } from "eve";

export default defineAgent({
  model: "gpt-4o",
  provider: "openai",
  temperature: 0.7,
});

目前 eve 支持 OpenAI、Anthropic Claude 等主流模型提供商。你也可以配置自定义的 API 端点来使用国产大模型。

第五步：运行你的 Agent

cd my-agent
npx eve dev

就可以在终端中与你的 Agent 交互了！输入 “北京今天天气怎么样？”，Agent 会自动调用 get_weather 工具返回数据。

进阶用法：Skill 系统和 Channel 系统

Skill 系统：按需加载的能力

想象一下，你希望 Agent 在用户需要时能够"策划一次旅行"。这个流程可能包含多个步骤，不适合放到系统提示词里。eve 的 Skill 系统就是为此设计的：

创建 agent/skills/plan_a_trip.md：

## 旅行计划流程

当用户要求策划旅行时，按以下步骤执行：

1. 首先询问用户的目的地、时间、预算
2. 调用 `search_flights` 工具查询航班
3. 调用 `search_hotels` 工具查询酒店
4. 调用 `get_weather` 工具查询目的地天气
5. 整合信息生成旅行建议书

Skill 是 Markdown 文件，用自然语言描述流程。Agent 会在需要时自动加载并理解这些流程。

Channel 系统：接入真实业务

想让 Agent 接入 Slack 或 Discord？只需要创建一个 channel 文件：

// agent/channels/slack.ts
import { defineChannel } from "eve/channels";

export default defineChannel({
  type: "slack",
  token: process.env.SLACK_BOT_TOKEN,
  signingSecret: process.env.SLACK_SIGNING_SECRET,
});

同样，你也可以创建 HTTP API 端点：

// agent/channels/api.ts
import { defineChannel } from "eve/channels";

export default defineChannel({
  type: "http",
  path: "/api/agent",
  method: "POST",
});

这样你的 Agent 就变成了一个 HTTP 服务，可以集成到任何业务系统中。

eve 的设计哲学：为什么文件系统即接口

你可能好奇，为什么 Vercel 选择用文件系统来定义 Agent，而不是像 LangChain 那样用代码编排？

这其实是 Vercel 一以贯之的设计理念。回想一下 Next.js 的成功之处：约定优于配置。在 Next.js 中，pages/ 目录下的文件自动变成路由，app/ 目录下的 layout.tsx 自动成为布局。开发者不需要写路由配置文件，不需要注册组件。

eve 把同样的理念带到了 AI Agent 领域：

• tools/ 目录下的每个文件就是一个工具 —— 不需要注册、不需要导入
• skills/ 目录下的每个文件就是一个技能 —— 按需自动加载
• instructions.md 就是系统提示词 —— 用你最熟悉的 Markdown 编写

这种设计思路极大降低了 Agent 开发的认知负荷。你不需要理解复杂的 Agent 编排逻辑，只需要知道：文件放在哪里，Agent 就有什么能力。

与传统 Agent 框架的对比

特性	Vercel eve	LangChain	AutoGPT	Dify
学习曲线	⭐ 低（文件系统即接口）	⭐⭐⭐ 高	⭐⭐ 中	⭐ 低
可扩展性	⭐⭐⭐ 目录扩展	⭐⭐⭐ Chain 组合	⭐⭐ 插件	⭐⭐ 工作流
TypeScript 支持	✅ 原生	✅ 支持	❌ Python	❌ Python
持久化状态	✅ 内置	❌ 需额外配置	❌ 有限	✅ 内置
多通道接入	✅ HTTP/Slack/Discord	✅ 需额外配置	❌	✅ 内置
开源协议	Apache 2.0	MIT	MIT	Apache 2.0
文件系统约定	✅ 核心设计	❌	❌	❌

可以看到，eve 最大的差异化优势就是文件系统约定和极低的学习曲线。如果你已经熟悉 TypeScript 和 Markdown，基本上不需要额外学习就能上手。

实战场景：构建一个自动化运营助手

让我们来构建一个更有实际价值的场景：一个内容运营助手，它可以自动从 RSS 抓取内容、生成摘要、并发布到多个平台。

项目结构

content-bot/
└── agent/
    ├── instructions.md          # 系统提示词
    ├── agent.ts                 # 配置 model
    ├── tools/
    │   ├── fetch_rss.ts         # 抓取 RSS 内容
    │   ├── generate_summary.ts  # 调用 AI 生成摘要
    │   └── post_to_csdn.ts      # 发布到 CSDN
    └── schedules/
        └── daily_publish.ts     # 每天早上 8 点执行

核心工具实现

RSS 抓取工具：

// agent/tools/fetch_rss.ts
import { defineTool } from "eve/tools";
import { z } from "zod";

export default defineTool({
  description: "从 RSS 链接抓取最新文章列表",
  inputSchema: z.object({
    rssUrl: z.string().url(),
    limit: z.number().default(5),
  }),
  async execute({ rssUrl, limit }) {
    const response = await fetch(rssUrl);
    const xml = await response.text();
    // 解析 XML 提取文章标题和链接
    const items = parseRSS(xml).slice(0, limit);
    return items;
  },
});

定时发布任务：

// agent/schedules/daily_publish.ts
import { defineSchedule } from "eve/schedules";

export default defineSchedule({
  cron: "0 8 * * *",  // 每天早上 8 点
  async run() {
    const posts = await this.callTool("fetch_rss", {
      rssUrl: "https://blog.example.com/rss"
    });
    for (const post of posts) {
      const summary = await this.callTool("generate_summary", {
        content: post.content,
      });
      await this.callTool("post_to_csdn", {
        title: post.title,
        content: summary,
      });
    }
  },
});

这个例子展示了 eve 的真正威力：用文件系统组织能力，用自然语言描述流程，用 TypeScript 实现工具。而这一切都遵循"约定优于配置"的原则。

如何部署 eve Agent

eve 天然与 Vercel 平台集成。你可以一键部署到 Vercel：

npx eve deploy

这会将你的 Agent 部署为 Vercel Functions，自动获得：

• Serverless 弹性伸缩 —— 零流量时不收费
• 边缘网络加速 —— 全球访问低延迟
• 自带域名和 HTTPS
• 持续集成 —— 关联 Git 仓库，推送即部署

如果你需要私有化部署，也可以打包成 Docker 镜像：

FROM node:20-alpine
WORKDIR /app
COPY . .
RUN npm install
RUN npx eve build
CMD ["npx", "eve", "start"]

总结与展望

Vercel eve 代表了一种新的 Agent 开发范式。它摒弃了传统框架中复杂的抽象层和配置逻辑，回归到开发者最熟悉的东西 —— 文件系统。

这种设计带来的最直接好处是：门槛极低、结构清晰、易于运维。无论你是刚接触 AI Agent 的新手，还是在生产环境中管理大量 Agent 的团队，eve 都能提供简洁而强大的体验。

如果你正在考虑构建 AI Agent 应用，强烈建议试试 eve。5 分钟上手，一个下午就能做出生产可用的 Agent。

更多资源

• 🔗 eve GitHub 仓库
• 🔗 官方文档