LESSON 02 · AGENT 智能体

Agent 能做什么？

Agent · 第 2 课

Why this lesson · 为什么值得学

学完这一课，你能

知道 Agent 适合哪类重复、多步任务

看懂 Agent 的工作流：规划 → 执行 → 汇报

把「盯进度」这种烦事交给 AI

核心洞察：Agent 不是「多了一个功能」，而是 AI 的使用方式从「提问→回答」升级成了「给目标→等结果」。这一课用 4 个真实场景，让你看到 Agent 能替你做的那些事。

场景一：深度调研

最常见

「帮我调研一下 XX」

这是 Agent 最典型的用法。以前你要自己打开 10 个网页、读 20 篇文章、手动整理要点——现在你对 AI 说一句话就行。

实际案例：

你：「帮我调研一下最近 AI 编程工具有哪些，对比它们的优缺点，做成一个表格。」

Agent 会：

  1. 搜索「AI 编程工具 2026 排名」
  2. 打开前 5 个评测文章
  3. 提取每个工具的名称、定位、价格、评分
  4. 整理成对比表格

全程大概 1-3 分钟。你自己做的话，最快也要 20 分钟。

场景二：内容创作 + 发布

效率最高

「帮我写一篇小红书文案并且发出去」

AI 不只是写出文案——Agent 能走完完整流程：

  1. 先调研最近什么话题火
  2. 根据你的风格写 3 个标题让你选
  3. 写正文
  4. 配图建议（如果需要还能生成图片）
  5. 发布到你的账号（需要你授权）

你全程只需要说一句话 + 点一次确认。写文案、做图片、找话题——这三件事以前可能要花 2 小时。

场景三：数据处理

最省力

「帮我把这个表格处理一下」

你有一个 Excel/CSV 文件，需要做清洗、分析、可视化：

你：「帮我分析这个销售数据，按月份做趋势图，标出增长最快的产品，生成 PPT。」

Agent 会：

  1. 读取你上传的文件
  2. 写 Python 代码做数据分析
  3. 生成趋势图
  4. 把结果和图表放进一个 PPT 文件

你不需要会写代码、不需要会用 Excel 公式。Agent 替你完成了数据分析师的工作。

场景四：多步骤项目

最强大

「帮我做一个个人博客网站」

这是 Agent 能力的集大成者——需要多步协作：

  1. 规划 — Agent 先问你要什么风格、什么内容
  2. 设计 — 决定博客的结构、配色、布局
  3. 编码 — 写 HTML/CSS 代码
  4. 测试 — 在浏览器预览效果
  5. 部署 — 上传到服务器让它上线
  6. 修正 — 你说「这里改一下颜色」「那里加一篇文章」

关键点：Agent 不是一次性做完所有事——它每一步都会跟你确认。你说「这里不好看」，它就改。像一个远程员工，你指导它干活。

Agent 的三种模式

不同场景下，Agent 用不同的「模式」工作：

模式怎么用适合场景
一问一答 你跟 AI 聊天，AI 每一步都问你 复杂项目（比如做网站）、你还不确定要什么的时候
自动执行 你给一个任务，Agent 自己跑完回来汇报 调研、数据分析、文件处理——有明确产出的任务
后台任务 你安排一个任务，Agent 在后台做，你继续做别的事 长时间任务（比如爬数据、批量处理几百个文件）

大多数 AI 工具默认用「一问一答」模式，因为最安全（每一步你都看得到）。但当你足够信任 AI，就可以切换到「自动执行」模式。

Agent 怎么连上你的工具？

前面几个场景里，Agent 能「发布到你的账号」「读你的 Excel」「部署到服务器」——你可能会想：它怎么碰得到这些我自己的东西？答案是一套叫 MCP（Model Context Protocol，模型上下文协议） 的开放标准，专门解决「AI 应用怎么连上外部工具和数据源」。

没有 MCP 之前，AI 想用你的一个工具，就得为它单独写一套对接代码：连网盘一套、连聊天软件一套、连设计工具又一套。结果就是你只能自己把文件复制粘贴进聊天框，在几个软件之间来回倒。MCP 的思路是给所有 AI 应用和外部工具订一个统一的接口——Anthropic（Claude 的开发公司）官方把它比作「LLM 的 USB-C」：就像 USB-C 一个接口通连手机、电脑、相机，MCP 让 AI 用一个标准方式连上你的各种软件，不用再为每个 App 单独造一座桥。

一个比喻：AI 的万能插座

把 MCP 想成你家和电器之间的「标准插座」。AI 应用是电器，你常用的软件（网盘、日历、邮箱、代码仓库）是各种设备。有了统一插座，电器插上就能用，不用为每个设备单独拉一根线。背后的三层很简单：宿主（跑 AI 的那个程序，比如某个 AI 助手）→ 连接器（中间负责沟通的那根线）→ 服务器（每一个被连上的工具，向 AI 说明「我能做什么、要什么参数」）。

对你来说，记住两件事就够了：第一，AI 的能力边界，很大程度取决于它能连上多少工具——能接上你的网盘和日历，它就真能帮你整理资料、提醒日程；连不上，它就只能靠你手动喂内容。第二，正因为 MCP 让 AI 能「动手」（发邮件、改文件、下单），权限才更重要——它真去操作前，必须由你点头确认（这也是我们在「家规与边界」里反复强调的）。所以选 AI 工具时，看它「支不支持 MCP、能不能接你常用的软件」，是个很实在的加分项。

下达任务 · 给目标

把「要什么」说清，步骤交给它

用 Agent 时，尽量只说清目标和边界，别把每一步操作都替它安排好。OpenAI 提示工程指南强调：把期望的上下文、结果、格式尽量具体地描述出来，模型才知道往哪走；Anthropic 也指出，越明确你的真实目标、越说清「为什么」，结果越精准。

把「做什么」讲明白，步骤让 Agent 自己去规划——这才是让它替你干活，而不是把它当遥控器一步一步按。

协作节奏 · 先规划

复杂项目，先让它列计划你拍板

面对多步骤项目（比如做个网站），先让 Agent 把计划写出来给你看，确认方向对了再让它执行。Anthropic 的 Claude Code 最佳实践就推荐「先探索、再规划、再写代码」——直接跳到执行，容易做错方向。

你掌控关键节点，Agent 负责跑腿：这样既能把烦活儿甩出去，又不至于让它带着你一路跑偏。

今天的关键认识

看完这四个场景，你应该注意到一个模式：

Agent 真正改变的是「你的时间分配」。

以前：你花 80% 时间在执行上（搜、读、写、算），20% 时间在思考和决策上。

使用 Agent 后：你花 20% 时间在分配任务上（说清楚你要什么），80% 时间在审核和决策上（检查 AI 做得好不好、给出方向）。

自我检查

检查你的理解

  1. 说出 4 个 Agent 的典型使用场景，哪个最吸引你？
  2. Agent 的三种工作模式分别是什么？哪种最适合「不确定要什么」的情况？
  3. 用 Agent 之后，你的时间分配从什么变成了什么？

你说目标，Agent 去执行，你来做决策。

时间从「执行」转移到「审核和决策」。

REFERENCES · 参考资料

本课参考资料

  1. OpenAI《Prompt Engineering 最佳实践》、Anthropic 提示最佳实践
  2. Anthropic《Claude Code Best Practices》（先规划再执行）
  3. Anthropic《What is Model Context Protocol》（MCP 官方介绍：把 MCP 比作「LLM 的 USB-C」）
  4. Model Context Protocol 官方文档（modelcontextprotocol.io）
← 上一课 下一课：怎么用好 Agent？ →

有疑问？返回 主页，或者试试对 AI 说「帮我深度调研一下 XX」——亲眼看看 Agent 的效果。