火山引擎 Agent Plan：AFP 积分池与工具链入门

我以前一直把月包当「能写代码的额度」用，直到最近真正开始搞Agent，才发现一个问题。

光有Token，Agent跑不远。

说实话，这也不怪谁。以前大家写代码、问问题，一个模型就够了，买Coding Plan就是买Token，天经地义。我也这么用了很久，没什么毛病。

但你想想看，一个Agent要做一件事，比如帮你生成一个带图片的网站，它需要什么？它得先搜索参考，得调用图片模型出图，得用代码模型写页面，还得记住前面几轮的上下文。这些能力，单独拎出来都能买到，但你得一个一个配，一个一个切，流程一长就散了。

所以最近火山引擎出了个Agent Plan，我拿到手体验了一段时间，觉得还是值得聊聊的。

不是因为它又多了一个新名词，而是它开始把Agent真正要用到的几样东西往一个包里收了。

先说最大的变化。

以前大家买Coding Plan，说到底是在买模型额度，能写、能问、能跑一部分任务。但Agent Plan换了思路，它用的是AFP，Agent Fuel Points，类似一个积分池。不管你调文本模型、生图、生视频、还是用记忆能力，全走同一个池子扣，不用再分开算。

这个改动看着不大，但用起来体感差很多。以前我做完一个多步骤的任务，得分别看不同资源的消耗，现在就一个数，花了多少AFP，清清楚楚。

然后是模型这块。

Agent Plan把字节的Doubao-Seed系列全塞进来了，文本、代码、还有Doubao-Seedream出图、Doubao-Seedance出视频。也接了DeepSeek V4、GLM 5.1，支持Auto模式按场景自动调度。说真的，模型多这事现在不稀奇，各家都在卷，稀奇的是后面这个东西。

Harness。

这是我觉得Agent Plan真正跟Coding Plan拉开差距的地方。Harness就是Agent做任务需要的工具链，Agent Plan里提供了联网搜索，跟豆包同源的搜索能力，开箱就能查实时信息。还有记忆能力，用的Doubao-embedding-vision模型，帮你把长对话、散资料里的关键信息召回回来，跨轮次追踪不丢上下文。

以前做Agent，工具链得自己一个个接，现在这些是套餐里自带的。

再说一个我觉得很关键的点，ArkClaw。

买Agent Plan会赠送ArkClaw，这是OpenClaw的云端版本。以前用OpenClaw，各种第三方工具得自己配，配半天环境才能跑起来。ArkClaw里这些都已经接好了，向量化模型、视频生成、图片生成、联网搜索，你要用哪个能力就装哪个Skill，每个都只需要复制一条命令，等几十秒跑通。

具体是这样配的。

向量化模型用于记忆能力，在openclaw.json的agents.defaults下加这段配置：

"memorySearch": {
  "provider": "openai",
  "model": "doubao-embedding-vision",
  "baseurl": "https://ark.cn-beijing.volces.com/api/plan/v3/",
  "apikey": "你的API Key"
}

然后视频、图片、搜索三个能力，分别一条命令就装上：

# 视频生成
npx skills add https://skills.volces.com/skills/byted-ark-seedance-skill --agent openclaw

# 图片生成
npx skills add https://skills.volces.com/skills/byted-ark-seedream-skill --agent openclaw

# 联网搜索
npx skills add https://skills.volces.com/skills/byted-web-search-skill --agent openclaw

以前配半天环境，现在几分钟就搞定了。

配好之后，我试了三个场景。

第一个，我用ArkClaw做了一个短视频。就说了一句话，用岳飞的满江红做脚本，需要字幕、配音、背景音乐、视频画面。然后它就自己跑了，联网搜资料、写脚本、生成配音、出视频画面，全程不需要我干预。

中间踩了个小坑，视频生成有并发限制，一次只能跑两段，我第一次贪心提交了四个，结果两个被打回来了。。。后来发现这个限制，记到Skill里，下次就不会再犯。最终40秒的视频，基本可用，直接就能发。

第二个场景，我想试试ArkClaw里的专用数据库。这是飞书在ArkClaw里整合的第三方数据API服务，把很多常用场景的数据提前准备好了，不用你自己到处找。

在金融数据集这块，我先让它分析一下港股上市的智谱和Minimax，看看最近的股价表现和主要财务指标。结果出来的可视化报表很漂亮，但有个意外，它告诉我这个数据是通过联网搜索实时获取的，不是来自专用数据API。我专门追问了一下，才知道这个金融数据集目前主要覆盖A股，港股还没加进去。

然后我又换了个测试对象，A股的寒武纪和科大讯飞，这次它就明确调用了专用数据API，同样生成了很直观的可视化报表。说实话，做金融投资的朋友如果用这个，会省很多事，数据质量和稳定性比实时爬取靠谱多了。

接着我又试了企业工商数据集。最近追觅科技的余浩挺火的，我就让它查了一下追觅科技旗下的公司，有哪些，主营业务和商业模式是什么。结果一查吓一跳，追觅在全国铺了二十多家子公司和分公司，分布在不同城市，业务重心也有区别，有的是扫地机，有的是新能源汽车相关。整个结果直接生成可视化报表，数据来自专门的工商数据服务商，比你自己去企查查一个个翻高效太多了。

第三个场景，我换了编程Agent这条路，用Trae接Agent Plan，花了两天多时间，做了一个AI合同审查的微信小程序。

这个小程序能上传合同文件，自动识别23种合同类型，逐条分析风险等级，标注违反了哪条法律，还给出具体的修改建议话术，最后生成审查报告和PDF。整个过程Agent Plan提供了文本模型的推理能力，知识库的记忆和召回能力，让我在Trae里从零搭到交付，不用切出去找别的工具。

三个案例，方向不同但感受一样。

少切了几个工具，把一件事直接做完了。

回到最开始的问题，从Coding Plan到Agent Plan，到底变了什么？

我觉得不是改了个名字，是从「买一个能聊天的模型」转到了「买一套能把活干完的工具」。模型+Harness+ArkClaw，少切平台，能直接开干。

这让我想起一件事，PC时代大家买电脑，最早是买CPU、买内存、买硬盘，自己攒机。后来品牌机出来了，你不需要关心哪个部件是谁的，打开就用。Agent Plan给我的感觉有点像，它不是在卖某个模型，而是在卖一个「能把活干完的单元」。

从「会回答」往「会做事」迈了一步。

如果你也在搞Agent开发，Medium以上的版本值得一试。快速开始的配置文档在这里，[链接待补充]。