0%
DAY 02 · 从“大脑”到“数字员工”
给 AI 装上手脚
理解智能体、AGI 与提示词工程，学会把模糊想法变成 AI 能执行的清晰任务。
42 MIN · 4 个章节 · 1 个互动实验
02从“大脑”到“数字员工”LEARN · PRACTICE · REFLECT
01
CHAPTER 1
智能体 Agent
大模型是大脑，工具是手脚。
智能体以 LLM 为核心，能够感知信息、保留记忆、规划步骤、调用工具并执行行动。它不是只给建议，而是尝试完成任务闭环。
01感知：读懂输入与环境
02规划：把目标拆成步骤
03工具：搜索、浏览器、API、MCP
04行动：执行并根据结果继续
02
CHAPTER 2
通用智能体与 AGI
“什么都能做”不等于“真正的通用智能”。
通用智能体面向办公、调研、代码与数据等多类任务，但目标仍由人下达。AGI 则要求面对陌生跨领域任务也能自主学习、迁移经验，甚至发现问题与形成目标。
01通用 Agent：多工具、多任务
02AGI：人类级通用能力的研究目标
03当前没有公认的真正 AGI 产品
04不要把产品宣传与技术事实混为一谈
AGENT LAB
目标拆解工作台
可交互实验1读取日期与目的地→
2查询车票与天气→
3筛选合适班次→
4生成行程并请求确认
03
CHAPTER 3
提示词工程
提示词是你与模型之间的任务协议。
好的提示词会说明角色、任务、背景、输出格式、约束与示例。系统提示词设定长期规则，用户提示词表达当前任务；示例能帮助模型快速对齐预期。
01System Prompt：身份与长期规则
02User Prompt：本轮具体任务
03Zero-shot：只提要求
04Few-shot：提供参考样例
04
CHAPTER 4
五个实用原则
让 AI 少猜一点，让标准明确一点。
目标明确、角色设定、示例引导、结构化拆分与负面约束，是稳定提升结果质量的五种手段。复杂任务应拆分步骤，并明确什么结果算合格。
01明确动作、主题和范围
02指定格式、语气和长度
03给出正面样例
04明确不要出现的内容
CHECKPOINT
今天学会了吗？
用 3 道题完成最后一次主动回忆。
01 / 03