文章圍繞 AI 智能體展開，介紹了 AI 工具的發(fā)展階段、智能體的底層邏輯、提示詞工程的作用，以及 AI 在各行業(yè)的應用，鼓勵人們積極擁抱 AI。

筆記君說：

AI工具，從一開始的迭代發(fā)展非?？焖?。

一部分人，因為掌握了AI工具的使用，工作變得更為高效；另一部分人，因為擔心被AI替代而整體憂心忡忡。

有這么一句話：未來淘汰你的不是AI，而是使用AI工具的人。所以如何有節(jié)奏、有方法地學習AI、使用AI變得極為重要。

一、AI工具的發(fā)展階段及能力迭代

AI作為工具使用，再進階到智能體，經過了三個階段：

第一個階段，AI+智能辦公。

這個階段主要依賴基礎大模型，基于提示詞的優(yōu)化得到AI最原始的內容產出，如讓AI幫你做文案寫作，方案匯報（PPT），寫數(shù)據(jù)代碼，做海報圖片等內容輔助工作。

B 端产品经理如何快速成长？

产品与业务架构主要是将整个业务工作流进行分层，梳理，然后抽象出一个个需求，将业务需求与产品合情合理的映射起来，最终使业务数据在产品中流动，执行，记录，使用。

查看详情 >

第二個階段，AI+場景落地。

提示詞雖然能幫助做一些輔助工作，但產出的內容并不能完全適應操作者的崗位和企業(yè)，操作者必須要花很長時間去審視AI所產出的內容是否滿足需求。

因此，AI要進入到知識庫階段，它需要掌握行業(yè)know-how，進行垂直領域的大模型建設，打造行業(yè)的專屬應用。

相較于提示詞，這一階段要升級應用及服務，比如有數(shù)據(jù)分析知識的智能AI員工、有商業(yè)知識的智能銷售和智能客服，還可以識別不同文稿的內容，將其變成結構化的知識庫。

第三個階段，AI+Agent智能體。

在行業(yè)大模型基礎上進行微調，滿足企業(yè)的個性化使用，私有化部署。實際上，是把第二階段解決單點業(yè)務的一個個點，變成一個串聯(lián)起來的流程，形成體系化的應用。

有很多企業(yè)已通過AI Agent智能體實現(xiàn)了AI智能精細化運營、智能獲客、智能決策及全場景多模態(tài)的應用。

目前來說，AI智能辦公需求占比到80%~90%。因為大模型是2023年才開始出現(xiàn)，爾后行業(yè)大模型也才逐漸產生，直到2024年7、8月時，智能體的產品平臺才逐漸完善，才有諸多的免費應用出現(xiàn)于市場之中。

因此，在2024年上半年，甚至2024年全年之中，AI智能辦公培訓逐步產生了六大模塊：

第一模塊，AI智能對話，主要掌握對話的方法；

第二模塊，文章撰寫，掌握用AI寫Word長文檔的技巧，比如寫一個年度培訓規(guī)劃；

第三模塊，數(shù)據(jù)分析，掌握用AI處理excel、WPS表格的方法，甚至用Python來做數(shù)據(jù)分析；

第四模塊，演示匯報，AI輔助生成PPT；

第五模塊，進行創(chuàng)意設計，實現(xiàn)用AI產出文生圖和文生視頻，2024年包括央視在內的各大平臺和企業(yè)都大量使用了AI文案、文生視頻，甚至用數(shù)字人做品宣、信息播報；

第六模塊，AI Agent智能體機器人的學習。

任何技能的嫻熟掌握，絕非一蹴而就，而是“學”與“練”循環(huán)往復、層層堆疊的成果。培訓學習之后，更需要與實際的工作場景相結合，內化為自身的崗位本領。

在第二、三階段的學習中，更要用第一階段的AI智能辦公來多做練習。比如，人資崗位可以用AI來寫培訓規(guī)劃；市場崗位用AI做市場的調研分析；產品崗位用AI來撰寫競品分析報告。

這是一個公司職員在學習AI智能辦公之后，在第二階段用AI做的“AIGC智能驅動抗菌縫合線營銷全鏈路革新方案”。

首先，她用AI結合產品生成了產品海報；其次，她用AI生成了數(shù)字人的宣傳視頻；然后，用AI寫出了專業(yè)的產品宣講PPT；最后，建立企業(yè)自己的知識庫，據(jù)此生成了售后的AI智能體，可以為客戶介紹產品，甚至可以轉接銷售。

在第三階段，要把業(yè)務流程做成一個閉環(huán)。另一個人力資源的學員就從招聘環(huán)節(jié)做AI智能體的應用：

首先，生成招聘海報；然后，根據(jù)崗位要求主動搜索簡歷；再后，邀約面試并用AI進行智能面試，智能得出面試評價、產生面試結果。如此，就形成招聘業(yè)務流程的一體化解決方案。

二、AI智能體魔法背后的底層邏輯

Agent(代理)這一概念起源于哲學，描述了一種擁有欲望、信念、意圖以及采取行動能力的實體。在人工智能領域，這一術語被賦予了一層新的含義：具有自主性、反應性、交互性等特征的智能“代理”。

大型語言模型(LLMs)的出現(xiàn)為智能代理的進一步發(fā)展帶來了希望。在AI agent的具體使用中，最底層都是LLMs(Large Language Models，大型語言模型),不論是ChatGPT、Kimi，或者訊飛星火，還是通義千問，大語言模型都是其基礎。

1.智能體是發(fā)揮大模型功能的杠桿

大模型的使用，實際就是用提示詞與其對話，并在對話過程中產生深度對話思維鏈：

第一步，給大模型一個內容框架；第二步，讓大模型針對某個內容方向展開表述；第三步，根據(jù)產出的內容進行優(yōu)化某些細節(jié)。

把這三個過程結合起來，變成一個完整的工作步驟，這就變成單個AI智能體。而多智能體，是把多個單智能體結合在一起完成更系統(tǒng)性的任務。

例如，我們平常開發(fā)軟件或者系統(tǒng)，需要有人做任務拆分，有人寫代碼，有人做測試，用多智能體來完成這項工作，就有做任務拆分的智能體，有專門寫代碼的智能體，有做測試的智能體，多個智能體組合起來共同完成這件事。

假設領導發(fā)給我一篇10w+的文章，認為非常適合于公司的宣傳，希望我參照這篇文章出一個爆款。那我們該如何用AI智能體來高效完成這項任務呢？

操作易學，精髓難覓，所以我們不僅要會操作，更要懂得操作背后的底層邏輯和變化規(guī)律。從智能體的定義中我們知道，智能體是在大模型基礎上做規(guī)劃、記憶、工具和行動的一種載體。

因此，我們先要把整個過程規(guī)劃清楚，AI才能自動按規(guī)劃去做動作。我們大概可以分為七個步驟：

① 輸入：選擇對標文案，向Al輸入文案的鏈接。例如，某篇公眾號的鏈接；

② 關鍵詞：根據(jù)對標文章自動提取3~5個關鍵詞；

③ 二次檢索：AI根據(jù)關鍵詞，去全網檢索同類型的文章，額外找到10~20個匹配的文章項目；

④ 組合學習：AI根據(jù)投喂的源數(shù)據(jù)文章+二次檢索獲取的10~20篇文章的內容，進行學習，總結寫作方法；

⑤ 撰寫文案：AI根據(jù)學習的內容，創(chuàng)作新的文案，用戶可以微調參數(shù)，每次調整以后，自動更新新的文章結果，實時刷新；

⑥ 匹配插圖：AI根據(jù)創(chuàng)作的文案內容，結合公眾號寫作方法，智能生成配圖，并實現(xiàn)高效圖文排版，例如，參考135編輯器等；

⑦ 輸出：AI根據(jù)登陸者賬號，智能發(fā)布在：公眾號、頭條等圖文/視頻的新媒體平臺等。

通過上面的七步，我們把文案仿寫這件事就規(guī)劃清楚了。實際上，是我們自己先思考清楚了，再把思考清楚的內容給到AI，AI了解了整個過程之后，再去規(guī)劃每個步驟該怎么做。

其次，智能體要有記憶功能。它需要把10多篇文章全部記憶下來，在使用傳統(tǒng)大模型中我們就會遇到token的限制，那么智能體至少要記住30篇甚至更多的文章內容。

然后，智能體要有調用工具的能力。要能在網上搜索內容，要調取文生圖的功能，還要調取相關插件的功能。

最后，智能體要有行動能力。給智能體一個軟件鏈接，爆款文章鏈接，后面都可以全部自動化來完成。

通過上面的梳理，我們已經非常清楚AI智能體是在底層大模型的工具之上，發(fā)揮規(guī)劃、記憶、工具、行動等功能的杠桿能力,即可得出智能體的公式：

AI agent=LLMs*（規(guī)劃+記憶+工具+行動）

2.智能體具有長期記憶能力

多角色智能體，是在單智能體基礎之上做協(xié)同。因為單點智能體不用考慮上下游的關系，但如果要做多節(jié)點之間的相互交互，你可能要考慮智能體的開發(fā)和組件之間的匹配，和平臺的關系等。

我們在使用傳統(tǒng)大模型的時候經常會出現(xiàn)這種情況：在不斷與AI對話的過程中，它會忘記前面給它說的話，比如忘記上午與它交互的內容，或者在多輪對話之后忘記最前面的對話。

在這種情況下，我們要解決的是AI具有思考的記憶能力。我們用人類記憶來與AI記憶進行映射對比，以此更方便理解。

第一階段，感覺記憶，這是人類最原始、最基礎的記憶功能，也就是過眼即忘。對于AI的使用來說，相當于把AI當作一個高級搜索工具，這個時候人占主導地位，來指示AI的行動。

第二階段，短期記憶，AI可以通過上下文的學習展開多輪對話，但是會受限于上下文token的限制，有時候會忘記相關內容。這個時候，人和AI的工作量相當，人來指揮AI,這就是我們常說的“提示詞工程師”。

第三階段，長期記憶，有人說，世界是懶人創(chuàng)造的。有了提示詞，人類還不滿足，我們還希望AI具備記憶的功能，就像我們學騎自行車，一旦掌握了這項技能，就具備了長期、持久的記憶能力。

這個時候，AI會記住投喂給它的相關知識，具備了長久的學習能力。這時的AI可以完成絕大部分工作，人類負責設定目標、提供資源和監(jiān)督結果，AI完成任務拆分，工具選擇，進度控制，實現(xiàn)目標后自主結束工作。

具備長期記憶能力的智能體就是一名合格的員工了，它可以提煉銷售話術，要銷售員的訓練并為其評分，也能指出需要繼續(xù)迭代的地方，會自主性地輔導員工的培養(yǎng)提升，這就是智能體的長期記憶能力，也是訓練智能體的意義所在。

三、提示詞工程，讓效率翻倍

1.成為個人的超級助理

一個人不可能盡善盡美，每個人的專長也會有所差異，一個員工不可能既會數(shù)據(jù)分析，又會寫編程，又會去做文生圖，又會AI文檔寫作，做不到。但一群AI就會成為你的超級助理。

因此，在智能體應用的2.0階段，需要更加專業(yè)的人員，更加專業(yè)的學習，更加專業(yè)的老師。

AI發(fā)展非常迅速，從縱向看，每個月AI工具都會發(fā)生質的變化；從橫向看，AI發(fā)展到一定階段后，就會做產品的區(qū)分，需要做項目的定制或者涌現(xiàn)出新的工具。

而且在AI發(fā)展的過程中，并不是一個人在訓練，也不是開發(fā)的工程師在訓練，而是全球用戶共同去完成的。

每個AI工具的使用，相當于孫悟空身上的一根毫毛，它可以變成孫悟空的一個分身，具備孫悟空的所有能力。隨著主體功能的加強，分身的功能也加強了，一個原因是學習內在的驅動，另一個原因是產品和技術在不斷發(fā)展。

在2023年ChatGPT剛出來的時候，幾乎每個小時都會出現(xiàn)新東西，有人感到無比焦慮，因為很可能會被取代；而有人抓住了一波機遇，一夜暴富；也有人通過ChatGPT的學習和使用，高效地完成了以前需要很多工作量的工作，比如寫代碼、出書稿等。

這兩年不斷涌現(xiàn)出專業(yè)的大模型，相同的提示詞，不同的AI得到的結果是不同的。

Excel表格的函數(shù)實際是搜索的邏輯，而AI并不是搜索邏輯，而是預測生成式的邏輯，你給它的每個字都是它預測檢索生成的指引，因此AI又叫“提示詞工程”。

如果我們用AI來創(chuàng)作一首詩歌，它不會直接在《唐詩三百首》中去搜索答案，而是先學會詩歌的韻律規(guī)則之后進行的二次創(chuàng)作。

在AI產出的時候，即使相同的提示詞也不會產生相同的內容，更何況選擇大模型不同，提示詞不同，訓練的語料庫也不同。

因此，未來的核心，你不是操作工，你要一個人活成一支隊伍，要把自己從單一工作任務的操作者轉變成AI工作成果的監(jiān)督檢查者。

在企業(yè)實際的培訓中，我發(fā)現(xiàn)真正用好AI的其實不是實習生，雖然他們對工具很了解。真正能發(fā)揮AI智能體效能的人，是企業(yè)的經理級的管理者。

提示詞更專業(yè)，AI回答的質量也越高，因為他們具備管理的技能和能力，當他成為AI成果監(jiān)督檢查者的時候，天然就具備了高質量產出的能力。

2.AI，已成為企業(yè)的超級員工

說到不如做到，我們可以看看一些大型企業(yè)或集團公司如何將AI進行實踐性的應用。

① 銀行業(yè)，智能客服提高金融服務效率

在AI大模型的使用中，銀行業(yè)最敏銳，也是最早部署行業(yè)的行業(yè)。2023年底，四大行之一的工商銀行已經在內部OA系統(tǒng)中鑲嵌了智能對話平臺，員工可以讓其幫忙寫報告了。

智能客服是銀行中使用較為廣泛的智能體服務。當客戶介入的時候，信息系統(tǒng)會先把客戶往期的情況調取出來，它知道你有多少存款，還知道你是保險型客戶還是投資型客戶，它會根據(jù)客戶類型采用不同的推薦話術，最后有工單填寫，智能做績效評分以及薪酬考核。

智能客服實現(xiàn)了知識隨行，實現(xiàn)了客戶關系事前、事中、事后的綜合化管理。

在事前智能客服知識運營階段，利用大模型自動完成數(shù)據(jù)標注與知識維護工作，替代人工拆解知識的工作；

事中又分為三個階段，通話前、通話中和通話后。

通話前，要先做背景了解，對大模型來說即為“前情摘要”，在坐席與客戶通話前，基于客戶與智能客服溝通的情況形成前情摘要，幫助坐席提前了解客戶訴求。

然后，要交流咨詢目的，大模型則體現(xiàn)為轉接電話提醒，在坐席與客戶通話前，基于客戶與前一位坐席溝通情況形成轉接電話提醒。

通話中，大模型做到了知識隨行：在坐席與客戶通話過程中，預測客戶意圖，自動進行資料搜索，并歸納總結形成推薦的答復話術。

通話后，產出工單預警：坐席與客戶通話結束后，對于坐席暫時無法解決的問題，根據(jù)客戶意圖預填工單內容。

事后，產生質量評價：在事后質檢環(huán)節(jié)，生成傳統(tǒng)質檢AI模型學習樣本，模擬答疑及客戶問答對，提升質檢模型準確率。

如果對話中的內容沒能包含在知識庫中，可以讓人工檢索到的新內容加入其中，不斷優(yōu)化知識庫。AI通過螺旋迭代的過程，越迭代越聰明，越用越好用。

② 通訊行業(yè)，智能助手提高售后營銷轉化率

中國移動九天平臺結合移動的實體業(yè)務做了一個售后轉營銷助手：通訊運營商都有網絡拓寬工程師，他們一方面做寬帶網絡的安裝維護，另一方面做寬帶網絡的帶寬升級。

這個角色不僅要懂產品的維修知識，還要具備現(xiàn)場營銷推廣的能力，如果以前培養(yǎng)或照片這么一個角色，需要花較高的成本，培養(yǎng)周期比較長，流失率也比較高。

在AI賦能下，工程師在手機登錄平臺，根據(jù)客戶的問題就能直接得到完整的產品推薦話術，客戶問題的最佳解決方案，不僅轉化率比較高，而且人才的培養(yǎng)成本也比較低，實現(xiàn)了AI賦能企業(yè)之后的組織降本增效。

③ 醫(yī)療行業(yè)，AI賦能論文撰寫及智能導診

醫(yī)療行業(yè)專業(yè)度非常高，一篇論文所涉及到的知識要到專業(yè)的文獻知識工具網站做定義項的知識獲取，再設計實驗方案，然后要根據(jù)實驗室的報告，做專業(yè)的課題分析和審核。

而在大模型賦能之后，SCI論文可以全流程地利用AI來輔助完成。

首先，AI可以根據(jù)關鍵詞完成文件搜索、查找任務，并自動完成文獻的閱讀與總結，找出共同點和差異，提出潛在的研究方向；

然后，AI根據(jù)研究方向的可行性、創(chuàng)新性等提出技術路線，細化研究方向，完成實驗設計；根據(jù)實驗的數(shù)據(jù)生成可視化圖像，完成實驗報告；

最后，撰寫SCI論文，包括撰寫實驗背景、相關文獻的查找，提供實驗步驟設計，并根據(jù)實驗數(shù)據(jù)撰寫導論和摘要，檢查文章語法等常識性錯誤，審稿人還能用AI自動生成回復郵件。

面對用戶，AI可以完成智能醫(yī)導。

隨著醫(yī)院信息化建設的長期發(fā)展，當代的醫(yī)院環(huán)境和以往對比早已今非昔比，但是部分就醫(yī)環(huán)節(jié)依然存在困難。

比如，日常在網絡搜索健康問題時，常被廣告和無效信息干擾；身體不適時盡管可借助手機掛號，但面對眾多專業(yè)性強的科室名稱，往往難以抉擇；做了檢查，面對滿是專業(yè)數(shù)據(jù)的檢查單滿頭問號；拿了藥，看到千奇百怪的藥品名稱，心中疑惑不少。

當前所面臨的諸多問題，其根源在于醫(yī)療資源緊缺，致使廣大患者的精細化醫(yī)療指導需求難以滿足。

某數(shù)字科技產業(yè)集團在充分應用AI工具的情況下，研發(fā)出了一款智能導診應用程序精準醫(yī)療，來解決院內外相關問題。

功能一，健康指導，用戶可以隨時隨地地詢問健康問題；

功能二，智能導診，當用戶需要掛號就醫(yī)，可通過導診服務進行問詢，并進行科室預約；

功能三，檢驗報告分析，取得檢查單或病例報告后，借助報告分析服務拍照上傳，以獲專業(yè)解讀；

功能四，用藥指導，醫(yī)生開具藥品后，可拍照上傳、識別并講解關鍵信息，提供用藥指導服務。

④ AI+財務管理

傳統(tǒng)的財務管理，數(shù)據(jù)量大，流程嚴謹，從填單、收單、審核到付款的周期也較長。AI智能體如何提高財務報銷流程呢？

首先，通過Al對話快速便捷完成提報：事前申請，如公出用車、商旅、轄區(qū)內事前申請、非食堂用餐員工費用等事項；費用報銷，員工個人報銷、日常辦公費等。

其次，自動收單提高收單效率：確認報賬需求后，點擊票據(jù)上傳，自動完成表具收集。

然后，通過AI賦能完成無人初審和復核：對上報的附件、發(fā)票類型自動分類，區(qū)別出不合規(guī)票據(jù)、應稅項目、查驗狀態(tài)、重復性等；復核合理性、合規(guī)性等要求。

最后，通過智能支付完成員工報銷和供應商付款。

⑤ AI+數(shù)據(jù)分析

很多有技術基礎的企業(yè)其實早就有BI平臺，用AI賦能后的Chat BI,能高效地對數(shù)據(jù)結果做分析，找到業(yè)績下滑的原因，并提供對應的策略與建議。

本質上，它是一群智能體在為你服務：它了解你的業(yè)務，也了解業(yè)務指標，會做數(shù)據(jù)分析，也能做圖表，還要做業(yè)績驅動。它把企業(yè)的知識資產做出了一個完整的解決方案。

它的核心是通過自然語言溝通，把數(shù)據(jù)從數(shù)據(jù)庫中調取出來分析結果，精準定位問題之后，提供行動策略和建議。

有下面一個數(shù)據(jù)需求分析場景：某零售門店運營負責人急需了解六月業(yè)績下降原因，以往靠數(shù)據(jù)分析師、運營多個崗位協(xié)作，耗費好幾天時間，嚴重影響決策效率。

AI數(shù)據(jù)分析如何高效完成這項工作的呢？

首先，向問答助手小A提出問題——為什么六月業(yè)績下降了？然后，小A智能識別出要使用北極星指標拆解和多維度分析；接著，小A將分析思路轉化為SQL自主查數(shù)并生成直觀的圖表；最后，小A對數(shù)據(jù)自動解讀，找出銷售下滑的主要原因并生成分析報告。

幾分鐘內，小A就完成了以上所有工作。

其實小A背后是由六個智能體協(xié)作完成工作的：咨詢專家理解用戶意圖；業(yè)務專家調用知識生成分析思路；數(shù)據(jù)工程師生成SQL并查詢數(shù)據(jù)；圖表設計師生成直觀的圖表；數(shù)據(jù)分析師分析解讀數(shù)據(jù)；統(tǒng)籌大師處理模型的切換調度及agent間的協(xié)作。

⑥ AI+生產制造

生產制造業(yè)使用AI賦能其實已經相當普遍，也不僅僅是我們經?？吹降臋C器臂操作工件，包括產品設計都應用到了AI。

假設我們要做一款樂高積木，我們可以通過自然語言向智能體發(fā)出指令：要做一個長寬高各為多少的積木，請幫我生成圖紙。有

了這個對話之后，在智能體的窗口上就會生成一組代碼，同時另一個窗口就直接生成了產品的3D設計圖紙，如果連上了3D打印設備，那么很快一個符合你要求的產品就被生產出來了。

在生產制造業(yè)中，有很多SOP工藝，很多生產環(huán)節(jié)是不可變的，而傳統(tǒng)的AI代碼輸出其實并不穩(wěn)定，代碼穩(wěn)定是智能生產的痛點。

解決了這個痛點，不僅效率翻倍，而且成本會降低很多，因為傳統(tǒng)的制造業(yè)中，會代碼的員工的工資高，培養(yǎng)周期長，培訓成本也非常高。

而現(xiàn)在用自然語言輸入就能完成代碼及自動調試，生產效率高，員工培訓難度小，提升了管理效率，這就是AI賦能的結果。

以上案例，讓我們看到，要從現(xiàn)在開始就要擁抱AI，AI不是工具，而是新時代的生產力。只有你現(xiàn)在積極擁抱AI，才有可能收獲到未來的時代紅利。

如果我們在職場的黃金時期掌握了最優(yōu)秀的學習方法，將是會讓你我受益終身，讓你我不斷進步。*文章為作者獨立觀點，不代表筆記俠立場。

主辦方簡介——量子教育，核心管理團隊來自浙江大學，秉承「以知識推動創(chuàng)新·讓客戶更具價值」的使命，鏈接全球優(yōu)質教育培訓資源，促進知識的創(chuàng)新、傳播與共享。自2017年成立以來，已成功打造知識IP3000+，在線課程累計曝光150億+，全網粉絲2600萬+，為690+家大型國央企、金融機構及上市公司等500強企業(yè)提供優(yōu)質內容資源、創(chuàng)新解決方案等人才培養(yǎng)創(chuàng)新服務。