# 新手入門

從零到可用 agent 的最短路徑：一行安裝、一次訂閱登入、一個模型。不需 API key，不需手改設定檔。

若你已有供應商帳號，[快速開始](/zh/getting-started) 涵蓋同樣的流程，但選項與細節更多。

## 1. 安裝

```bash
curl -fsSL https://agenvoy.com/scripts/install.sh | bash
```

腳本會判斷 macOS 或 Linux，將 `agen` 執行檔安裝到 `/usr/local/bin`，並補齊所需依賴（`git`、`make`、C 編譯器、`python3`、`node`、`pdftotext`，Linux 另加 `bwrap`）。過程會要求一次 `sudo`，用於寫入 `/usr/local/bin`。

確認安裝成功：

```bash
command -v agen
```

## 2. 訂閱 GitHub Copilot

GitHub Copilot（$10／月）是 Agenvoy 推薦的最低成本起點：費用每月固定，agent 多跑幾輪也不會讓帳單跳動。

Agenvoy 不再推薦免費方案。Ollama Cloud 自 2026-11-09（PT 下午 5:40）起 Free 方案改為 pay-as-you-go，其雲端模型（`gemma4:31b`、`gpt-oss:120b`、`gpt-oss:20b`、`nemotron-3-super`、`nemotron-3-ultra`）需購買 credits。以 Ollama 在本機執行仍然免費，但小型本機模型的 tool calling 不穩定。

1. 開啟 **[github.com/features/copilot/plans](https://github.com/features/copilot/plans)**
2. 登入並訂閱 $10／月的方案

## 3. 加入模型

啟動 TUI：

```bash
agen
```

接著在 TUI 內：

| 步驟 | 操作 |
|---|---|
| 1 | 輸入 `/model` 按 **Enter** |
| 2 | 選 **add** —— add model from provider |
| 3 | 選單預設開在 **OAuth** 分頁，選 **GitHub Copilot** |
| 4 | 視窗顯示驗證網址與使用者代碼，按 **Enter** 以瀏覽器開啟該頁，在 15 分鐘內輸入代碼並授權。token 直接寫入 OS keychain —— 不進設定檔，也不進對話 |
| 5 | 從你的 Copilot 方案提供的模型中選 **`gpt-5.6-luna`** |

設定到此結束。模型登記在 `~/.config/agenvoy/config.json`，憑證不在裡面。

> 選 `gpt-5.6-luna` 的理由是額度損耗夠慢、能力也夠日常使用。**Shift+U** 可查看 Copilot 剩餘額度。

## 4. 選用：加入 decision model（TypeSafe Jev）

Decision model 是另一個小很多的模型，不負責回覆，只在零點幾秒內替 agent 回答選擇題：哪些 skill 和這個請求有關、哪些搜尋結果與網頁區塊是雜訊、哪些記憶條目這輪用得到。沒有它 Agenvoy 照樣能跑；有了它，每輪帶進 context 的無關內容會少很多。Jev 是 TypeSafe 專做這件事的模型。

1. 開啟 **[console.typesafe.ai/keys](https://console.typesafe.ai/keys)**，登入並建立 API key。Jev 目前是 early access，只依輸入 token 計費：每十億輸入 token $42，輸出不收費（[docs.typesafe.ai/models](https://docs.typesafe.ai/models)，2026-11-11 查核）
2. 在 TUI 輸入 `/model` → **add** → 切到 **API Key** 分頁 → 選 **TypeSafe**（在該列按 `o` 會開啟同一個金鑰頁）→ 貼上金鑰。金鑰以 `TYPESAFE_API_KEY` 存進 OS keychain，畫面提示 `TypeSafe API key saved; pick its model in /model decision`
3. 輸入 `/model` → 切到 **decision** 分頁 → 選 **`typesafe@jev-latest`**，它會跟著最新的 Jev 版本

### v1.3.0 之後它做了什麼

Decision model 從 v1.3.0 之後的第一個版本 v1.3.1 開始提供，取代原本只負責分派的 Jev beta，之後每個版本都多接了幾項判斷（完整清單見 [Decision Model](/zh/providers-typesafe)）。以下是作者本機 2026-11-05 至 2026-11-11 的實測，數字取自 daemon 自己的 debug log，不是 benchmark：

| 判斷 | 次數 | 結果 |
|---|---|---|
| Skill 清單 | 576 | 11,846 筆 skill 條目中有 11,353 筆（95.8%）判定無關、不放進 turn context，每輪從約 21 個 skill 減到約 1 個 |
| Session 摘要 | 32 | 78 筆記憶條目篩到與請求相關的 27 筆（v1.3.7） |
| 摘要合併 | 159 | 496 段對話中有 74 段判為雜訊移除，另移除 20 條過時決策 |
| 工具缺口 | 565 | 8 次判定需要尚不存在的工具，直接引導 agent 去建工具 |
| 網頁擷取 | 60 | 3,677 個頁面區塊中有 111 個導覽或樣板區塊在快取前移除 |
| 搜尋結果 | 60 | 648 筆結果中 9 筆離題被剔除 |

這些判斷只有 2 次失敗；判斷失敗時內容維持原樣，所以最差的情況就等於沒有設定 decision model。

## 5. 問它一件事

在輸入框打字後按 **Enter**：

```
台北現在天氣如何？
```

Agenvoy 並沒有內建天氣工具。可以觀察它怎麼做：agent 先查自己的工具註冊表、找不到、取得建工具的契約、挑一個公開 API、寫出 Python 工具、在沙箱測試，然後呼叫它並回答。這個工具會被保存 —— 第二次問就直接執行。

再試幾個：

```
幫我摘要這個資料夾裡的 README
每天早上 8 點回報台積電股價
我的文件裡哪一份提到 prompt guide？
```

下一步：[上手之後](/zh/quickstart-next) 整理了要先記住的六個按鍵與接下來的閱讀方向。