小白的智能体入门指南

智能体就是一个不知疲倦、但”记性会被稀释”的机器人。你不用懂它内部怎么运转——就像开车不用懂发动机。真正要学的只有三件事:给它备好说明书和工具、把活派清楚、让它一直保持清醒。

像豆包、WorkBuddy 这样的 AI 助手,到底该怎么用才不”翻车”?这篇指南把复杂名词翻译成人话,把高手的做法拆成能照着做的步骤。

先给两条阅读路线,按需取用:

  • 完全新手:先看前面”认识它 → 三个词 → 名词小词典 → 技能 → 连接器”,够用了。
  • 想进阶:接着看”三大模式 → 复杂任务 → 子智能体 → 上下文 → 推荐产品”。

00 · 先认识这位”新同事”

把智能体想象成一个不知疲倦的机器人:它力气大、不喊累、24 小时待命,但它没有常识、会认死理,而且桌面上堆的东西一多就开始犯糊涂。你给它的每一份说明、每一件工具、每一句交代,都是在帮它把活干对。

很多人第一次用 AI,习惯像搜索引擎一样丢一句”帮我做个网站”,然后失望地发现结果又空又泛。问题不在 AI 笨,而在于——**把它当成了”问答机器”,它其实是”执行者”**。执行者需要你告诉它:目标是什么、用什么工具、按什么步骤、做到什么程度算好。

换个角度想:如果新招了一个实习生,你会第一天就甩给他一句”公司网站你看着改改”吗?大概率不会。你会先给他项目文档、权限账号,告诉他先做哪块。用智能体,是同一回事。

再补一个概念。行业里把”让 AI 能真正干活的那一整套工程”叫 Harness(马具/底盘)。模型是发动机,Harness 是底盘、刹车和方向盘——光有发动机上不了路。豆包、WorkBuddy 这类产品的差别,很多时候不在”谁的大脑更聪明”,而在谁的底盘调得更好。不用会修车,但知道”底盘”这回事,就能理解很多现象。


01 · 三个词,先混个脸熟

技能、连接器、智能体——它们的关系,用修车就能讲明白。

词 一句话理解 修车比喻
智能体 Agent 干活的机器人本身 修车师傅
技能 Skill 告诉它这类活怎么做的说明书 维修手册
连接器 MCP 让它能连上外部系统的工具 扳手、螺丝刀

机器人的工作能力,靠说明书和工具箱共同实现:

  • 只有工具、没有说明书:就像普通人拿着扳手螺丝刀,也修不了发动机。
  • 只有说明书、没有工具:就是”巧妇难为无米之炊”,看着步骤干瞪眼。
  • 两者都有才成立——它们是互补关系,不是二选一。

好消息:很多技能开头就写清楚”我需要哪些工具、怎么装”——就像维修手册前的”所需工具清单和购买渠道”。所以往往不用自己琢磨该配什么。

再加两个词:专家 与 专家团

  • 技能=让 AI 能做某件事,比如会处理 Excel。
  • 专家=给 AI 换一个懂行的身份,一个自带知识、习惯和输出标准的虚拟顾问。
  • 专家团=给它配一支会分工的队伍,自动拆解、分工、交付复杂任务。

一句话:技能教 AI 怎么做,连接器给 AI 新工具,专家给 AI 换身份,专家团给它配队伍。四个词各管一件事。


02 · 名词小词典

遇到不懂的词,回来查这一页。每个只用一句话解释。

名词 一句话解释
智能体 Agent 能听懂你说话、并自己动手把活干完的 AI 程序
大模型 LLM AI 的”大脑”,负责理解和思考
底盘 Harness 让模型能真正干活的整套工程:工具、规则、记忆、安全
提示词 Prompt 你打给 AI 的那段话,也就是你下的指令
技能 Skill 一份写好”怎么干某类活”的操作手册
连接器 MCP 让 AI 连上外部工具的标准接口,像充电口的 USB-C
专家 Expert 给 AI 加载一套专业认知框架,相当于懂行的虚拟顾问
上下文 Context AI 此刻”脑子里”装的所有信息,相当于干活时的桌面
Token 词元 AI 读写文字的计量单位,大致可理解成”字数”
子智能体 Sub-agent AI 叫来的帮手,各领一块任务分头干,只把结论交回来
分叉 Fork 聊歪了不硬掰,重开一个干净对话,只带正确结论过去
注意力稀释 Dilution 对话太长太杂,重要信息被淹没,AI 开始”犯糊涂”
规则文件 AGENTS.md 一张贴在墙上的”项目规矩”,AI 每次都看,不容易忘
工作空间 Workspace 一个项目专属的”抽屉”,对话、文件、记忆都单独存放

这些词不用背。用到时回来查即可——就像字典,谁也不会把它从头背到尾。


03 · 技能:找、挑、装、用

技能是”说明书”。别囤积,要”用得上才装”。

什么是技能

技能就是一个文件夹,里面有一份写满”怎么干活”的说明文件(SKILL.md),可附带脚本、参考文档、模板。它遵循开放标准,写一次就能在不同 AI 产品里复用。就像宜家家具附的安装图纸,第一步拧哪个螺丝写得清清楚楚。

它有个很棒的机制叫渐进式披露:AI 平时只记得”我有这些说明书的名字和一句话介绍”,并不全部读进来;说了”帮我处理这个 PDF”,才翻开对应那本。分三层:

  1. 名字和介绍——一直在;
  2. 完整说明——要用时才读;
  3. 附带脚本和参考文档——真需要才打开。

所以它可以随身带几百本说明书,不动用时几乎不占脑容量。

什么时候该找技能

  • 同一类活反复教了很多遍,每次都要重新交代、纠正同样的错误。
  • 一个操作重复做了 3 次以上——很多产品会主动提示”要不要存成技能”。
  • 希望输出稳定、格式统一。
  • 一套有固定流程的专业活,比如”查数据 → 清洗 → 画图 → 出结论”。

一句话判据:如果发现自己在反复纠正同一类错误,那个纠正就该写进技能。好技能的标准是——用了它,AI 犯的错更少、产出更一致、不用反复啰嗦。

反过来,一次性的活、或一句话它就懂的事(比如”读一下这个文件”),就别找技能了——你不需要一份”吸管使用说明书”。

去哪找、怎么挑

搜索时别搜”好用的技能”,要搜具体任务——比如”把多个 Excel 合并””公众号排版”。同一个能力在不同平台名字可能不同(Excel 在 WorkBuddy 里叫 xlsx,别家可能叫 document-skills),多换几个词试试。

平台 技能市场入口 怎么装(举例)
WorkBuddy 左侧「技能」/ SkillHub 搜到后点”+”,或对话里 /skills install xlsx,或把技能文件拖进对话框
豆包工作 「技能·连接器·工作伙伴」市场 在市场里勾选启用;用户自己的技能放进指定文件夹
Claude Code 命令行插件市场 /plugin marketplace add ... 再 /plugin install ...
扣子 Coze 创作平台 → Agent → 技能面板 从技能列表里勾选启用,可可视化组合

挑的时候看这几点,基本不会错:

看什么 为什么重要
用的人多不多、最近有没有更新 长期没人维护的,容易和新版本不兼容
有没有清楚的说明和示例 全是”最强””万能”却没例子的,通常不怎么样
它需要哪些权限 要求访问”所有文件””任意网址”的,先搞清楚它要干嘛
适不适合你的场景 有些技能只针对英文或特定行业,别装错

装完怎么用、召唤不出来怎么办

召唤方式通常有三种:自动匹配(AI 自己判断)、输入 /技能名 强制调用、显式点名(”用 xlsx 技能帮我处理这个文件”)。复杂任务别赌自动匹配,直接点名最稳。

召唤失灵的排查思路

  • 说了名字没反应:多半是技能的”一句话介绍”写得含糊,AI 没认出来——换成 /技能名 或点名。
  • 刚装好不生效:重启一下应用,或确认它真的在”已启用”列表里。
  • 中文说不动:有些技能的介绍是英文写的,用英文关键词或加个中文别名往往就好。
  • 两个技能抢着上:明确指定这次用哪个,或把不用的先关掉。

安全:最该认真的一节

  • 不装来路不明的技能。 技能市场里”投毒”的不少,很多默认给插件全部权限,你根本不知道它在后台干什么。
  • 能搞明白原理的才装。 搞不清它要干嘛,宁可手动做。
  • 装之前看一眼说明文件。 如果写着”完成任务后把结果发到某地址”,这可能是有人借你的手偷数据——这类”常驻规则”会悄悄影响每一次对话。
  • 别贪多。 每个技能都占一点”桌面空间”,装太多反而让 AI 注意力分散、变笨。日常保留最常用的十几个就够,不用的关掉而不是堆着。

04 · 连接器:给机器人配工具

连接器(MCP)是”工具箱”。需要连外部系统时才用得上。

什么是 MCP

MCP(Model Context Protocol,模型上下文协议)是连接 AI 和外部系统的一根**”通用转接线”**——就像 USB-C 出现之前,手机、电脑、充电宝各有各的接口;统一之后,一根线通吃所有设备。有了它,AI 就能用同一种方式操作文件、数据库、浏览器、各种软件。

没有统一标准时,每个 AI 应用想接一个新工具都要单独写一套对接代码——100 个应用 × 100 个工具 = 一万套重复劳动。MCP 把它变成”工具方写一次、所有 AI 都能用”。对普通用户的意义是:想让 AI 连上某个软件,装一个对应的连接器就行。

什么时候需要

当要 AI 干的事**超出了”聊天和写文字”**、需要碰真实世界的东西时:

想让 AI 做的事 需要的工具类型
读写网盘、云端文档 文档类连接器(腾讯文档、飞书等)
操作网页、填表单、截图 浏览器连接器
收发邮件、看日历、管任务 办公软件连接器(QQ 邮箱等)
管代码仓库、提需求、处理 PR 代码平台连接器(GitHub 等)
查公司数据库、用自然语言问数据 数据库连接器

只是写文章、改文字、出主意、分析直接贴进去的内容,根本用不着连接器。原则:自带能力能搞定的别额外装;需要”连上某个外部系统”时才上。

技能 vs 连接器

对比 技能 Skill 连接器 MCP
是什么 说明书、操作手册 工具、工具箱
给 AI 什么 告诉它怎么做(How) 给它新工具(What)
本质 一份文字指令 一个运行中的服务
怎么装 放个说明文件,几分钟搞定 配置一个服务,通常需授权
什么时候用 流程复杂、经验要沉淀 要连接外部系统

怎么选:能力不够,先上连接器;流程复杂,再包一层技能。大多数真实场景两者一起用——修车师傅既需要维修手册,也需要工具箱。

安全:连上之前想清楚”数据往哪流”

连接器一旦授权,往往能读写数据、代替操作账号。这是给机器人配钥匙,别把整串钥匙都塞给它。

  • 只连接信任的服务,只给最小权限——能读邮件就够了,就别顺手给删除权限。
  • 首次调用某个工具时,认真看授权弹窗——工具名说明它能做什么、参数里数据要去哪、这次任务是否真需要它。
  • 涉及凭证、支付、重要数据的任务,用”干净”环境跑——临时关掉无关插件和连接。
  • 不用了就断开——超过一个月没用的连接,果断取消授权。

连上网盘后,”帮我把这文件夹整理一下”意味着文件清单甚至内容会进入第三方服务的调用链。接入的外部服务越多,一次对话的数据流向就越复杂——这是便利性背后的隐形成本。敏感内容,宁可本地处理。


05 · 三大工作模式:先调对”放手程度”

同一个 AI,为什么有时只会动嘴、有时又能直接改电脑上的文件?答案通常在输入框附近的一个模式开关。它决定的是能放手到什么程度——这是安全的第一道闸门。

模式 权限 做什么 适合场景
Ask · 只动嘴 最低 只回答、给建议、起草文案,完全不碰文件 咨询、概念解释、先想清楚再说
Plan · 先计划 中等 先出执行计划,逐条确认后才动手,随时能喊停 日常绝大多数任务(推荐默认)
Craft · 放手干 最高 直接操作文件、运行命令,效率高但要盯紧 批量处理、写代码;重要文件先备份

还记得后面的”选路 → 验证 → 执行”吗?Plan 模式就是这套心法在产品里的落地——它逼着 AI 先把计划摊开,点头才执行。有个实用技巧:在记忆里写一句”任何项目开始时先思考、再制定计划、最后执行”,让 Plan 成为默认习惯。

不同产品名字不一样,但思路相通:豆包工作叫”普通模式 / 工作任务模式”,WorkBuddy 叫 Ask / Plan / Craft。认出那个”先计划还是直接干”的开关就行,名字不重要。越是需要动文件、动账号的任务,越建议从保守模式开始。


06 · 安排复杂任务:别让 AI 一条道走到黑

核心心法:让 AI 出方案,你来拍板。

新手最常犯的错,是把大任务整包丢给 AI,然后等一个完美结果。高手的做法是把 AI 当成”会提方案但判断力不稳的参谋”,用固定节奏推进:

选路 → 验证 → 执行

  1. 选路,但不执行:让 AI 分析并提出解决路径,但不要让它直接照着走。先问”你打算先做哪一步”,听方向对不对。AI 能推测问题根源,但根源对不对它并不知道。
  2. 验证,给足依据:让它把判断依据和参考资料摆出来。你只需给关键词和方向,让它去找材料。资料之间真正的因果关联,往往要有经验的人来补上。
  3. **执行,留好”撤销键”**:方向确认后,让它在能安全回退的环境里完整走一遍。走通再采纳,走歪就退回换条路。新手尤其要靠”多试几条路 + 随时退回原点”来弥补经验不足。

为什么这么麻烦:有机构分析过大量真实代码提交,AI 参与写的代码 Bug 数约为人写的 1.7 倍、安全漏洞约 2.7 倍。它写得快,但更需要审查。”选路→验证→执行”本质是把审查前置——动手前先盯住方向,比事后收拾残局省事得多。

先把需求说清楚:四个要素

模糊的说法 清楚的说法
“帮我写个周报” “汇总本周会议纪要和任务完成情况,按「本周成果/问题与风险/下周计划」三段写周报,保存到桌面”
“分析这些数据” “读取 D 盘 sales.xlsx,按地区汇总销售额,生成柱状图,输出分析结论”

一句好需求包含四样:①输入来源(从哪读)、②输出格式(Markdown?表格?)、③具体字段(要哪些信息、什么顺序)、④保存位置(存到哪)。给全这四样,返工会少一大半。

两个让成功率翻倍的习惯

  • 先建术语表:项目一开始就让 AI 列出清单,固定各部分的叫法。说不清楚,很多时候不是表达差,而是”同一个东西一会儿叫 A、一会儿叫 B”,AI 就当成两样东西。
  • 给事实,别给形容词:”这个页面不好看,帮我改改”很难办;”这个区域太挤、按钮看不清、我想要更宽松的排版”就好办。截图加文字说明一起给,永远比只甩一张图有效。

多个技能串成流水线

真实工作往往是一串步骤,比如做公众号:选题 → 搜集 → 写作 → 配图 → 排版 → 发布。串起来时记住:**先确保每一步单独能跑通再串;每一步的输出要让下一步能读懂;在发布、付款、对外沟通这类关键步骤设置”人工确认点”**。五个技能串成一条链,任一环出错都可能让整条链卡住,所以”能随时单独重跑某一步”很重要。


07 · 子智能体:给 AI 组一支小队

任务多且互相独立时,别让一个 AI 排队干。当一个任务大到”一个脑子装不下”,或好几块活彼此独立(比如同时查资料、写代码、做图),就让主 AI 当”指挥官”,派生几个子智能体分头去干。

像一支公司团队,分三层:

  • 主智能体=面对你的”前台”,负责听懂你、最后交付;
  • 组织者=”项目经理”,只做拆分、派活、验收,自己不干活;
  • 子智能体=”专家工人”,各领一件明确的小任务。

关键在于:每个工人都在自己独立的桌面上干活,只把一句话结论交回来,中间那一堆翻来覆去的过程根本不进主对话——这就避免了主对话被海量中间过程”污染”。

1
2
主智能体 → 组织者 → 子智能体 ×N
(面对你) (拆派验收) (各干各的,只回传摘要)

什么时候该派

  • 几块任务互相独立,可以并行,没必要排队。
  • 某块活需要大范围翻阅资料、读很多文件,会把主对话塞满——让它去翻,只带结论回来。
  • 需要”想明白一件事”而不是”机械重复一个动作”——需要动脑,派子智能体。

什么时候别派

  • 信息不全别派:子智能体不能反过来问你问题,交代不清它只能瞎猜。
  • 纯机械的批量活别派:比如”给 200 个文件统一加标题”,写段小程序跑一下又快又省。
  • 需要拍板的活别派:判断和决策留给你和主对话。

一句话:需要”思考”的派子智能体,需要”执行”的用直接命令或工具。 各归各位,既省钱又不乱。

还有个精妙的设计:给工人交代任务时,前面聊天的那些偏好不会自动传下去——必须由”项目经理”判断哪些是真正需要它知道的,再明确写进任务里。这看着麻烦,其实是在保护每个工人的”桌面”干净。所以交代大任务时,把关键约束一次性说全,比指望它层层传话靠谱。


08 · 长对话的”注意力”问题

为什么它上午还听话,下午就开始胡说?不是模型变笨了,是它的”桌面”(上下文)脏了。 这一节解释绝大多数”AI 突然变傻”的现象,以及怎么防。

核心认知:AI 不会”忘记”,只会被”稀释”

模型没有真正的遗忘机制。你说的每句话、它翻的每份资料,都留在那张”桌面”上。桌面堆得越满,真正重要的约定就被挤到角落,权重越来越低——于是开始忘记早就说好的规矩、把同一个东西叫成三个名字、”改了 A 坏了 B”。

看到的现象 背后真正的原因
同一个东西冒出好几个名字 桌面里存在多份互相矛盾的叫法
忘了早就说好的约定 约定被后来的讨论挤出了注意力
越修越乱,改这里坏那里 走错方向的讨论还留在桌面上
明明说了别做,它偏要做 限制被一大堆闲聊淹没了

对策一:主动”打扫桌面”

桌面用到 60%–70% 就该处理,别等塞爆。能压缩就压缩:让 AI 少说客套话、翻资料时只保留关键部分。产品自己也会做后台整理(把很长的早期对话自动摘要、把中间结果写到文件里),但主动收拾效果最好。

对策二:分叉,不修补(最反直觉但最有效)

发现它走错路,别在原对话里反复纠偏——那些”走错的过程”和”走对的过程”占着同样的权重,等于逼它同时相信”这条路对”和”这条路错”。

  1. 让它一次给多个方向:遇到难题先给 2–3 个方案,而不是只听推荐的那一个。
  2. 小范围试,看它的思路:判断方向对不对,别只看”跑没跑通”,更要看思考过程。
  3. 回到提方案那个节点,重开一个干净对话:新对话第一句就说”不用你上次推荐的方法,直接试试第三种”,把错误的探索过程全丢掉,只带结论。

抛弃探索过程、只保留结论,是让 AI 保持清醒最有效的一招。 就像写文章,草稿可以扔,最终稿留下就行。

对策三:把规矩”贴在墙上”

口头交代再多次也架不住长对话稀释。聪明的做法是把关键规则写进固定文件(如 AGENTS.md / WORKBUDDY.md),让 AI 每次先读一遍。它就像贴在墙上的班规,抗遗忘能力比任何口头提醒都强——今天聊了一整天物理,明天让它写化学,依然记得化学的规矩。

对策四:分清”记忆”和”技能”

很多人配置失败,是把两类东西搞混了:

放进”记忆” 放进”技能 / 规则”
事实:你是谁、偏好什么、项目背景 方法:怎么干某件事
像”便签条”,每次自动贴在眼前 像”菜谱”,用到才翻开
要精简,太多会分散注意力 可以长、可以讲道理,按需加载不占地方

一句话:**”永远适用”的硬规矩进规则文件,”怎么做一类事”的方法进技能,”关于人和项目的事实”进记忆。** 把方法论硬塞进记忆,结果就是每次都要背一遍、还背不全。

对策五:动手前先小范围验证

探索阶段,先让它写个能用就行、能独立跑的小样来验证想法,而不是直接改正式内容。小样通过了再把结论并进去。这样试错成本极低,方向错了扔掉重来也不心疼——比反复重写正式内容干净得多。


09 · 推荐的智能体:按用途对号入座

市面上的产品不少,先分清它们各是哪一类,就不会挑花眼。

先提醒一句:”智能体”这个标签有点注水,不少产品只是给对话框换了个新名字。判断一个产品是不是真能干活,看三点就够:能不能自己拆解多步任务、能不能调用真实工具(浏览器、文件、业务系统)、能不能交付一个能用的成品。

一 · 通用助手(能聊、能查、能写,零门槛)

  • 豆包(字节跳动):中文写作和多模态理解都很稳,日常问答、写文案、查资料都能胜任。”工作模式”还能在虚拟桌面里操作电脑和浏览器跑办公任务,过程看得见、随时能暂停接管。适合日常万事通、想体验”AI 替我干活”的新手。
  • 腾讯元宝:中文语境理解自然,擅长文档精读、联网搜索、录音转写,分享链接、公众号内容解读很顺手,基本功能免费。适合重度阅读、看文档的用户。
  • Kimi(月之暗面):最大本事是”读得下、读得懂”——一次能啃几十份 PDF、研报或长文档,还能提取关键信息、做归纳对比。适合写论文、做研究、消化大批量资料。
  • DeepSeek(深度求索):逻辑推理、数学、代码是强项,模型开源、推理成本低。适合逻辑推理、代码,以及预算敏感的用户。

二 · 办公智能体(能操作电脑、直接交付成品)

  • WorkBuddy(腾讯):能直接操作本地文件、生成文档表格 PPT,支持多 Agent 并行。突出特点是”开放透明”——记忆、规则、技能都以明文文件存在电脑上,看得见、改得动,技能生态丰富。适合想深度定制、处理本地文件、跨平台的职场人。
  • 豆包工作(字节跳动):**不是”纯云端托管”**——它是一套端云结合的系统,在电脑本地运行、带本地沙箱和技能目录,同时把记忆等放在云端。最大优势是和飞书无缝打通,会议纪要、文档、日程都在视野里,还有上百种技能和浏览器自动化。不便之处是离开飞书生态威力会打折。适合重度使用飞书的团队。
  • 千问办公(阿里):打通钉钉、飞书、企业微信,能直接交付 Office 格式成品,技能与连接器体系快速扩张。适合钉钉/阿里生态里的团队。
  • Kimi Work(月之暗面):擅长长文档深研,带金融数据源和本地沙箱,改文件前会弹窗授权,安全性做得细。适合调研分析、投研、处理长文档的知识工作者。

三 · 编程智能体与框架(进阶玩家,面向开发者)

  • OpenCode / MiMo Code(开源 / 小米):OpenCode 是开源编程智能体,终端、桌面、IDE 里都能用,最大特点是”模型随便换”——可接自己的订阅、免费模型或本地模型,且默认不存储代码。MiMo Code 是小米基于它二次开发的版本,内置自研模型,额外强化了长期记忆和语音输入。两者都采用宽松的开源协议。适合想自己掌控模型、重视代码隐私的开发者。
  • Codex(OpenAI):在 ChatGPT、编辑器、终端里都能用,同一个账号打通。给它一个工程任务,它会读代码、修改、跑测试、审查改动;擅长多智能体并行和云端后台任务——合上电脑也能继续跑。已包含在 ChatGPT 订阅中。适合已在用 ChatGPT 的开发者。
  • CodeBuddy / Claude Code(腾讯 / Anthropic):专门针对写代码、调试、重构和架构设计,能理解整个代码库。前者上手快、生态贴近国内,后者推理和编码能力强。适合开发者,或有大量自动化脚本需求的进阶用户。
  • DeepSeek Harness(深度求索):注意,它和前面那个当聊天助手用的 DeepSeek 不是一回事。它是开源的”智能体框架”,正是本文开头说的”底盘”的开源实现,理念是”一切皆插件”——模型、工具、技能、存储甚至界面都能像乐高一样拆换。目前是开发者预览版,主要面向开发者。适合想亲手定制智能体的开发者与研究者;普通用户暂不必碰。

怎么挑:一条稳妥的路线。先用”通用助手”把”怎么把话说清楚、怎么派活”的手感练出来;再上”办公智能体”,让它接管重复的活;等到开始频繁嫌它”记不住我的规矩””每次格式都不一样”,再考虑开放可定制的工具——那时会很清楚自己到底要改什么。选工具的第一步不是看功能表,而是想清楚自己每周重复三次以上、最耗时的那件事是什么。

别只认一个牌子。没有哪一款能通吃所有场景,经验丰富的用户往往同时用几个:写作用一个、读长文档用一个、跑自动化流程再用一个。工具更新很快,比记住产品名字更重要的,是弄清自己要交付什么结果。本文讲的派活、维护上下文、挑技能等方法,对上述产品基本都适用。

以上产品形态与数量截至 2026 年下半年,功能、价格和免费额度都可能随版本变化,实际选择请以各产品官网最新说明为准。


10 · 症状速查表

出错时别慌,对症下药。

症状 怎么处理
名字乱了、忘记约定 上下文脏了 → 重开一个干净对话(分叉)
反复改不对 回到它最初提方案的节点,换个方向
越修越乱 停下修改,先写个最小的小样验证
说不清需求 按”输入/输出/字段/位置”四要素写清楚,别只甩截图
大批量独立任务 拆成子智能体并行,只要摘要
叫不动技能 改用 /技能名 或显式点名;重启;检查是否启用
装多了变笨 关掉不用的技能和插件,日常只留最常用的十几个
改的东西不生效 查层级、查开关、查是否进了这次对话、查缓存/版本,改完重开新会话测试
想省钱又想快 压缩内容 + 及时分叉,比换模型更有效;轻量任务用轻量模型
改 A 坏了 B 流程里漏了”检查受影响的部分”这一步

11 · 十二条小白心法

  1. 先认清它:AI 是不知疲倦、但会被信息淹没的机器人,不是全能神仙。
  2. 先调模式:拿不准就用”先计划后执行”,重要文件动手前先备份。
  3. 能力靠两样:技能是说明书,连接器是工具箱,缺一不可。
  4. 重复 3 次就该存成技能:反复纠正同一类错误,就是在提醒该封装了。
  5. 按需装,不乱装:来路不明的一律不碰;装太多会让 AI 变笨。
  6. AI 出方案,你来拍板:选路 → 验证 → 执行,别让它一条道走到黑。
  7. 需求说全四要素:从哪读、什么格式、要哪些字段、存到哪。
  8. 给事实,不给形容词:截图、原文、报错、具体描述最有效。
  9. 独立大任务拆给子智能体:只收摘要,过程不进主对话。
  10. 上下文是唯一的稀缺资源:桌面越干净,AI 越聪明。
  11. 分叉,不修补:走歪了就重开干净对话,只带结论。
  12. 把规矩写进文件:口头交代会忘,贴在墙上的不会。

最后留一个问题:回想一次和 AI 合作不太顺利的经历——它是不是在某一步之后,开始不断重复、忘记说过的话?如果是,那大概率不是它笨,而是那张”桌面”该收拾了。现在你知道该怎么做了。


参考来源

本文核心观点、比喻与操作方法,整理改写自以下公开资料: