很多人现在一提 Agent，脑子里先冒出来的不是能力，而是一串框架名、依赖地狱和配环境教程。项目还没跑起来，人已经先被劝退了。
所以我看到 724-office 这个开源项目的时候，第一反应其实不是“它有多强”，而是：它怎么这么克制。
一个生产级 AI Agent 系统，核心代码量大约就 3500 行纯 Python。没有厚重框架，也没有那种一眼望不到头的工程脚手架，基本就是标准库加 3 个小包，拆成 8 个文件，结果真把事情做成了。
这类项目最难得的地方，不是“功能很多”，而是你能看懂它为什么能跑起来。
724-office 里面已经塞进了 26 个工具，覆盖网页搜索、视频处理、企业微信集成、多模态解析这些高频场景。也就是说，它不是一个只能在命令行里 demo 两下的玩具，而是已经朝着真实业务环境去设计了。你甚至能很明显地感觉到，作者想解决的不是“怎么把 Agent 讲明白”，而是“怎么让它长期稳定干活”。
这里面我觉得最值得拆的，是它的三层记忆设计。
短期记忆管当前任务，上下文不至于乱；中期记忆负责阶段性信息沉淀；长期记忆再结合向量检索，把真正有复用价值的内容留下来。这个思路其实很朴素，但很有效。很多 Agent 项目看起来花里胡哨，聊完一轮就失忆，724-office 至少是在认真处理“连续工作”这件事。
还有一个细节挺关键：它支持 MCP 协议。这意味着它不是把系统做成一个封闭玩具，而是留好了往外接服务的口子。你后面要连更多工具、更多外部能力，路是通的。
我觉得 724-office 最有意思的，不是它证明了 Agent 可以做多复杂，而是它反过来证明了一件事：Agent 不一定非得复杂成那样。
有时候我们被各种框架包围久了，会误以为“工程化”就等于“层层抽象”。但这个项目给人的感觉更像是，先把核心运行机制掰直，再一点点把工具、记忆、协议接进去。代码干净，结构直接，适合真想从底层理解 Agent 的人去啃。
如果你最近正想研究 Agent，又有点受够了那些一上来就把人埋进框架森林的项目，724-office 确实是个很好的入口。
不是因为它最热。
是因为它难得地，把 Agent 这件事，写得还像代码。
10个月宝宝每天需要喝多少奶粉？
