LESSON 03 · CODE 代码操作

从聊天到自动化

Code & 操作本地 · 第 3 课

Why this lesson · 为什么值得学

学完这一课，你能

搞懂 AI 操作电脑的风险边界

学会授权最小权限、看清它在干嘛

安全地自动化，不翻车

核心洞察：前面的所有概念不是孤立的。Chat 窗口 + 上下文 + Skill + Agent + Code + 操作窗口——当你能把它们串起来用，AI 才真正从「聊天工具」变成你的「数字化身」。

复习：你学了什么

到现在为止，你一共学了 5 个核心概念。把它们放在一起看：

概念一句话解决的问题
Chat 窗口跟 AI 聊天怎么启动、怎么输入、怎么得到回答
上下文AI 能记住你说了什么对话不用每次都重来
Skill给 AI 操作手册AI 知道你的偏好和流程，不用每次都交代
AgentAI 能自动执行任务你说目标，AI 自己规划步骤去完成
CodeAI 替你写代码AI 能做出真正的工具，不止是聊天
操作窗口AI 能操控你的电脑AI 能自己点击、搜索、运行

这 6 个概念不是零散的——它们是从「简单对话」到「完全自动化」的能力阶梯。

能力阶梯：从低到高

1

Chat 窗口 + 上下文

你能跟 AI 流畅对话了。聊李白、写文案、问问题——AI 记得上下文，不用每次重说。

2

+ Skill

你可以让 AI 固定一个角色或流程。每次对话自动加载你的偏好，不用重复交代。

3

+ Agent

AI 不再只是回答——它会自己去查资料、做分析、返回结果。你只需要说「帮我做调研」。

4

+ Code

AI 能做真正的工具——写脚本、建网站、做自动化。不止在对话框里，而是生成能反复用的文件。

5

+ 操作窗口

AI 能自己操作你电脑上的软件——打开浏览器、填表单、整理文件。像一个远程助手亲自用你的电脑。

高手心法 · 小步迭代

别一上来就让 AI 干大事

想让 AI 自动化一个流程，先让它做最小的一步并跑通，再一点点加功能。OpenAI 的提示工程指南和 Anthropic 都建议把大任务拆成小步：每一步目标清晰、容易检查，错了也只重做一小步。

一次丢给它十个要求，它往往不知从哪下手，结果也更不可控。先「跑通一个能用的小东西」，比「憋一个大招一次成型」稳得多。

安全红线 · 最小权限

先给小权限，确认靠谱再加码

让 AI 操作你的电脑或账号时，别一次性把「全权」交给它。Anthropic 在《Effective Context Engineering for AI Agents》里明确建议：对删除文件、强制推送、对外发消息这类「难逆转」或「影响他人」的动作，让 AI 先向你确认。

先用只读、局部、可逆的权限试水——确定它靠得住，再慢慢放开。授权像给实习生：先看着他做，再放手。

一个串联的例子

假设你平时需要追踪行业新闻并生成周报。没有 AI 时你每周花 2 小时手动做。当你把所有能力串联起来：

— 一个真实的完整流程

第 1 步：创建 Skill

你让 AI 帮你创建一个「行业周报 Skill」——里面写清楚：你关注哪些领域、报告格式（标题→摘要→数据→趋势预测）、语言风格。

第 2 步：让 Agent 去调研

你说：「用周报 Skill 帮我做这周的 AI 行业调研。」Agent 自动打开浏览器，去你关注的几个网站搜最新新闻。

第 3 步：AI 写代码收集数据

如果有些数据需要每天定时抓取（比如某个网页上的价格变化），AI 写一个 Python 脚本，放到你的电脑上自动运行。

第 4 步：操作窗口部署

AI 通过操作窗口打开你的电脑文件管理器，把脚本放到「自动任务」文件夹，配置好定时运行。

第 5 步：全自动

以后每周五下午，脚本自动运行，AI 自动生成周报，放在你的桌面上。你只需要打开看一眼。

全程你只做了两件事：说了一句「帮我做个周报 skill」→ 说了一句「帮我跑一下」。其他都是 AI 做的。

工作流：把一串固定步骤连起来

上面那个「周报」例子，行话叫工作流（Workflow）。一句话说清：把几个固定的步骤像流水线的工序串起来，前一步的产物，自动喂给下一步当原料。第一步出提纲，第二步拿提纲写初稿，第三步拿初稿润色——环环相扣，不用你每次手动把结果复制粘贴到下一句。

对零基础最值得上手的有两种姿势：

  1. 提示链（Prompt Chaining）：把一个大任务拆成顺序小步，每步的输出是下一步的输入。比如「先列 3 个选题 → 选一个写大纲 → 按大纲出正文 → 最后统一校对语气」。Anthropic 在《Building Effective Agents》里实测：分步走比把一坨要求全塞进一个提示词，质量更稳，哪步跑偏了一眼就能看出来。
  2. 可视化积木：国内不少平台（如扣子 Coze 等）把这种「串联」做成看得见的积木——一个「开始」节点、中间几个处理节点、一个「结束」节点，节点之间用线连起来，数据靠变量（类似 ${上一步结果}）往下传。不用写代码，拖一拖就能拼出一条自动化产线。

一个关键判断：步骤说得准、顺序固定 → 用工作流（可预测、好排查）；步骤说不准、要 AI 临场看情况决定下一步 → 用 Agent（也就是前面说的「下一步由谁决定」）。工作流和 Agent 不是二选一，复杂活儿常常是「工作流框住大流程，Agent 在里面负责某一环」。

小白起步建议：第一次搭工作流，先只连 2 步并跑通（比如「抓链接 → 出摘要」），确认每一步都对，再往里加第 3 步、第 4 步。某一步出错，你只修那一步，不用推倒重来。

你怎么知道自己到了哪个阶段？

阶段你在做什么标志性感觉
聊天用 AI 回答问题、写文案「AI 像个能聊天的百科」
工具化有了自己的 Skill，AI 按你的习惯做事「AI 越来越懂我了」
自动化Agent 帮你执行任务，Code 帮你做工具「有些事我不用自己做了」
数字化身操作窗口 + 全套自动化「AI 能替我做完整的工作了」

大部分人停留在 阶段。只要你读到这一课，你已经在往 和 走了。

接下来的路

学完这 6 个概念，你已经拥有了理解 AI 的基本框架。接下来你可以：

最后送你一句话：

AI 时代最重要的能力不是会写代码，而是知道 AI 能做什么。

当你看到一个重复性工作，脑子里能自动闪过「这个也许可以让 AI 帮我做」——你就已经超越 90% 的人了。

自我检查（全模块回顾）

最终检查

  1. 说出 6 个核心概念的名字（不需要解释，能说出来就行）
  2. 从「聊天」到「数字化身」，你在哪个阶段？下一步想往哪走？
  3. 想一个你每天都在做的麻烦事——用你学到的概念，说说可以怎么让 AI 帮你简化它？

6 个概念 = 一个完整的 AI 使用框架。

Chat → 上下文 → Skill → Agent → Code → 操作窗口。
从聊天到自动化，你知道 AI 能帮你做什么了。

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（任务拆分）
  2. Anthropic《Effective Context Engineering for AI Agents》
  3. Anthropic《Building Effective Agents》（工作流与 Agent 的区分、提示链 Prompt Chaining）
← 上一课 下一课：给 Agent 立家规 →

Code 模块的基础你已打通，后面还有实战项目可以练手

还想学更多？返回 主页，复习其他模块，或者打开 AI 聊天工具直接开始做一个项目。