讲稿

这次分享不是讲某个具体工具，而是讲一个更基础的问题：当 Agent 进入日常工作后，我们应该如何重新表征工作本身。

我更关心的是工作结构：哪些对象值得命名，哪些步骤可以压缩，哪些机制必须保留人的判断。只有这些边界清楚，Agent 才不会变成一个更会聊天但更难管理的黑箱。

核心判断.

Agent 的价值不在于替代所有步骤，而在于把高频、可描述、可检查的中间工作稳定地接过去，同时帮人沉淀可复用的表征、图式和心智模型。

如果一次协作结束后没有留下任何结构化结果，也没有让人下次更容易判断同类问题，那它很可能只是一次短暂的灵感消费。

01

提取表征

先命名上下文、角色、交付物和反馈，而不是罗列工具能力。
02

形成图式

把每次协作压缩进 Context、Role、Artifact、Feedback 四块。
03

保留判断

让 Agent 降低负荷，但不要替人拿走取舍、验证和最终责任。

工具列表

关注模型、插件、命令和按钮，越学越散。

工作系统

关注对象、机制、反馈和交付，越用越清楚。

Agent 不是工具列表，而是工作系统里的一个角色。

同一个 Agent 工作流，可以从四个知识层级理解。

适合听众.

  • —正在用 AI 辅助写作、研究或开发的人；
  • —想把 Agent 放进项目管理和交付流程的人；
  • —不想把所有工作都堆进同一个聊天窗口的人。