Appearance
用 AI 开发智能体产品
📝 课程笔记
本课核心知识点整理：
这节课你能学到什么
- 理解 Agent + Skills 架构的设计思想
- 掌握智能体产品设计的三大原则
- 通过卡兹克 AI 选题系统案例学习实战架构
- 动手设计一个简单的 Agent + 1 Skill 架构
为什么要学智能体产品开发
前几节课，你已经学会了用 Vibe Coding 做出一个网站并上线。那只是起点。
课件里反复强调的数创核心方向是：用 AI 做数字产品，尤其是智能体。智能体不是一个临时热点，课件的判断是："智能体将在未来十年一直热下去。"
你在第二章已经学过智能体的基本定义（能感知环境、采取行动、实现目标的代理）。这节课要往前走一步：怎么把智能体从概念变成产品。
核心思路：从工具到系统
大部分人用 AI 的方式是"问一个问题，得到一个答案"。这是工具思维。
智能体产品的思路不同。它是系统思维：把多个 AI 能力组合起来，让它们协作完成一个复杂任务，而且尽量自动化。
| 维度 | 工具思维 | 系统思维（智能体） |
|---|---|---|
| 使用方式 | 人问一次，AI 答一次 | 人给一个目标，AI 自己完成多步 |
| 角色分工 | 人是操作者，AI 是应答器 | 人是决策者，AI 是执行团队 |
| 复杂度 | 单次交互 | 多步骤、多角色协作 |
| 适合场景 | 临时查询 | 重复性工作、批量处理 |
一句话总结
AI 负责量（批量执行重复任务），人负责最终的判断（决定方向和标准）。
Agent + Skills 架构
怎么设计一个智能体产品？参考资料中卡兹克的 AI 选题系统给出了一个清晰的架构模板：
架构概念
┌────────────────────────────┐
│ Agent（总控） │
│ 负责调度和最终决策 │
├────────┬────────┬──────────┤
│ Skill 1 │ Skill 2 │ Skill 3 │
│ 热点采集 │ 选题生成 │ 选题审核 │
└────────┴────────┴──────────┘一个 Agent + 多个 Skills 的架构，遵循三个设计原则：
原则一：职责单一
每个 Skill 只干一件事。
| 做法 | 说明 |
|---|---|
| 正确 | Skill 1 只负责采集热点，Skill 2 只负责生成选题 |
| 错误 | 一个 Skill 又采集又生成又审核（会混乱） |
为什么要职责单一？因为每个 Skill 的提示词（Prompt）可以独立优化。"采集热点"和"生成选题"需要的能力完全不同，分开才能各自做到最好。
原则二：上下文隔离
每个 Skill 只看到自己需要的信息，不会被其他 Skill 的信息干扰。
这就像一个公司里的部门分工：市场部不需要看财务部的所有数据，只需要知道"预算是多少"。
上下文隔离的好处：
- 减少 AI 的"幻觉"（信息太多容易出错）
- 每个 Skill 的输入输出清晰可控
- 出了问题容易定位（是哪个 Skill 出的错）
原则三：总控调度
Agent 是"老板"，负责决定先让谁干、后让谁干，以及最终的质量把关。
Skills 是"员工"，各自执行自己的任务，把结果交给 Agent。
Agent 的调度逻辑通常是一个流水线：
Agent 启动
→ 调用 Skill 1（采集热点）→ 拿到 80 条热点
→ 调用 Skill 2（生成选题）→ 从 80 条中生成 20 个选题
→ 调用 Skill 3（审核选题）→ 筛选出 Top 10
→ Agent 输出最终结果案例：卡兹克的 AI 选题系统
卡兹克是一位内容创作者，他用 Agent + Skills 架构搭建了一个 AI 选题系统。
系统架构
| 组件 | 角色 | 做什么 |
|---|---|---|
| Agent（总控） | 调度 + 决策 | 按顺序调用三个 Skill，审核最终输出 |
| Skill 1：热点采集员 | 数据采集 | 从多个渠道收集当天热点，输出 80 条 |
| Skill 2：选题生成师 | 内容创作 | 把热点转化为选题方案，生成 20 个候选 |
| Skill 3：选题审核官 | 质量把关 | 用四维标准筛选出 Top 10 |
四维筛选标准
Skill 3 审核选题时，用了四个维度打分：
| 维度 | 含义 | 权重 |
|---|---|---|
| 信息密度 | 内容是否有干货？ | 高 |
| 话题性 | 能不能引发讨论？ | 高 |
| 时效性 | 是不是当前热点？ | 中 |
| 角度独特 | 有没有新鲜的切入点？ | 中 |
效果数据
| 指标 | 数值 |
|---|---|
| 输入热点数 | 80 条 |
| 输出选题数 | Top 10 |
| 首轮通过率 | 60% |
| 迭代后通过率 | 100% |
首轮 60% 的通过率说明系统不是一步到位的，需要根据实际效果调整 Skill 的提示词。经过几轮迭代后，通过率提升到了 100%。
Hook + Resonance 审核维度
卡兹克还用了另一个审核框架：
- Hook：标题/切入点能否在 3 秒内抓住注意力？
- Resonance：内容能否引发情感共鸣或讨论欲？
这两个维度可以作为 Skill 3 的补充审核标准。
怎么开始设计你自己的智能体
不需要一上来就做复杂的三个 Skill 系统。从最简单的 "1 Agent + 1 Skill" 开始。
思路
- 找一个你重复做的事：比如每天整理笔记、筛选文章、回复消息
- 拆成"AI 能做"和"人必须做"：AI 做重复劳动，人做判断和决策
- 设计一个 Skill 来处理 AI 能做的部分
- 你自己就是 Agent：先手动调度，跑通后再考虑自动化
举例
假设你每天要看 50 篇公众号文章，从中挑出和创业相关的内容：
| 组件 | 做什么 |
|---|---|
| 你（Agent） | 决定"今天要看创业相关的内容" |
| Skill 1：内容筛选 | AI 自动阅读 50 篇文章，按"和创业的相关度"打分，输出 Top 10 |
| 你（Agent） | 浏览 Top 10，选出真正想读的 3-5 篇 |
这就是一个最简单的智能体产品：AI 做了 90% 的筛选工作，你只需要从 10 篇里做最终选择。
实践环节：设计你的第一个智能体架构
拿出一张纸或打开文档，完成以下设计：
第一步：选一个场景
从你的日常生活中选一个重复性任务。比如：
- 每天整理课程笔记
- 从招聘网站筛选实习岗位
- 为社团活动写宣传文案
- 管理个人社交媒体账号
第二步：画架构图
画出 Agent + Skill 的结构：
Agent（我/总控）
→ Skill 1：_______________
输入：_______________
输出：_______________第三步：写 Skill 的提示词
用自然语言写一段话，描述 Skill 需要做什么。比如：
你是一个"实习岗位筛选助手"。
输入：10 个实习岗位的描述。
筛选标准：
1. 是否和数字创业/AI 相关
2. 是否接受大二学生
3. 薪资是否高于 150 元/天
输出：按匹配度从高到低排序，输出 Top 3。第四步：用 AI 测试
把你写的提示词发给豆包或 Claude，给它一些测试数据，看看输出是否符合预期。不符合就调整提示词，这就是迭代。
设计先行
这个练习重点是设计思路，不是技术实现。哪怕你只画了一张纸上的架构图 + 写了一段提示词，也已经完成了智能体产品设计的第一步。
本课小结
| 要点 | 核心内容 |
|---|---|
| 工具 vs 系统 | AI 工具是"问一答一"，智能体是"给目标自动执行" |
| Agent + Skills | Agent 做调度决策，Skills 做具体执行 |
| 三大原则 | 职责单一、上下文隔离、总控调度 |
| 卡兹克案例 | 80 条热点 -> 20 个选题 -> Top 10，迭代后通过率 100% |
| 起步建议 | 从 1 Agent + 1 Skill 开始，先手动调度再自动化 |
下一课预告
下一章我们进入 营销增长实战，学习产品做出来后如何推向市场。
你会学到：
- PMF（产品市场契合）的概念和 40% 标准
- 营销三问：向谁说、说什么、怎么说
- 为什么"只有过了 PMF 点，做营销才有效"
附录：参考资料
点击展开查看参考资料来源
更新时间：2026-02-02
| 内容类型 | 来源资料 | 章节 |
|---|---|---|
| 课件主体 | 数创班内容汇总.pdf | 模块 2.4 智能体开发工具（深化） |
| 课件主体 | 数创班内容汇总.pdf | 模块 3.5 用"嘴"开发智能体 |
| 核心补充 | 卡兹克内容营销的选题经验（R6） | Agent + Skills 架构、四维筛选标准 |
| 补充金句 | 庄明浩 2025 AI 行业报告（R7） | "AI 负责量，人负责最终的判断" |
关键概念来源：
- Agent + Skills 架构：knowledge-points.md K43
- Hook + Resonance 审核：knowledge-points.md K54
- "AI 负责量"金句：teaching-materials.md Q28