Kaiyun网页版·「中国」开云官方网站 登录入口

当AI Agent从问答器用升级为自主践诺者体育游戏app平台，分娩力将迎来20倍跃迁。通过不雅察-念念考-行为轮回、agents.md大脑构建、memory.md挂牵系统、MCP条约器用趋附和手段圭表化，AI Agent能已毕从邮件处理到业务运营的全进程自动化。本文深度解析怎么将一周责任压缩进一天的底层逻辑，带你从器用使用者改动为数字团队料理者。

你是否还在一个个标签页之间往复切换，复制粘贴信息，手动完成那些相通性责任？大多数东说念主使用 AI 的形式还停留在最低级的阶段：输入问题，获取谜底，然后我方动手完成责任。但有一小群东说念主如故进步到了十足不同的维度，他们让 AI agent 自动料理邮件、日期、告白投放和日常运营，分娩力普及了 10 到 20 倍。这不是夸张，而是正在发生的现实。

最近我深入研究了 Remy Gaskill 在 The Startup Ideas Podcast 上共享的一套 AI agent 责任流系统，这套步伐让我透顶从新念念考了怎么使用 AI。Remy 用一个特地粗略的对比详细了这场变革：”从问答模式到狡计-结果模式”。传统的聊天就像打乒乓球，你来我往，但最终如故你在作念事。而 AI agent 则十足不同，你给它一个狡计，它会我方狡计步伐、践诺任务、录用结果。这种各别看似渺小，实则是分娩力上的代际跃迁。当这种着力上风在数周、数月的时刻维度上累积，你会发现我方如故远远甩开了那些还在手动操作的东说念主。

我花了很永劫刻消化这套步伐论，因为它触及了一个更深层的问题：咱们与 AI 的干系正在从器用使用者改动为团队料理者。你不再是在使用一个软件，而是在料理一支数字职工团队。这种改动需要的不仅是期间领路，更是念念维形式的压根改变。

Agent 的运作道理：不雅察-念念考-行为轮回

在深入究诘怎么构建 AI agent 系统之前，我以为有必要先领路 agent 的底层运作逻辑。每一个 agent 王人死守同样的三步轮回：observe（不雅察）、think（念念考）、act（行为）。领路这个轮回是掌执整套步伐论的重要，因为它讲授了为什么 agent 能够自主完成复杂任务，而不是浅易地反应单个指示。

Remy 用一个具体案例演示了这个轮回的运作形式。假定你给 agent 一个任务：”为 Greg Eisenberg 搭建一个作品集网站。”agent 不会径直运转写代码，而是会启动这个轮回。第一步，它会检验责任空间中是否有现存文献（observe）。发现莫得磋商信息后，它会判断需要先研究 Greg Eisenberg 是谁（think）。接着，它就会去践诺这个研究责任（act）。完成研究后，轮回从新运转。现时它掌执了研究后果，会念念考：”我需要制定一个狡计。”于是它写下狡计。再次轮回，运转编写代码。又一次轮回，启动网站。再轮回一次，截图考据任务是否完成。

我第一次看到这个进程时，感到既振奋又有些不安。振奋是因为这意味着 agent 真实可以像东说念主类职工一样领悟复杂任务、自主决策。不安则是因为这条件咱们必须明晰界说任务的完成圭表，不然 agent 可能会堕入无尽轮回或者朝缺欠方上前进。但这恰是重要所在：agent 会继续践诺”不雅察-念念考-行为”轮回，直到它能够凭证你设定的参数判断任务如故完成。这种自主性是传统自动化器用十足不具备的。

更让我印象久了的是，这套轮回逻辑是跨平台通用的。Claude Code、Codex、Antigravity、Cowork、Manus、OpenClaw，这些王人只是不同的”agent harnesses”（agent 容器或框架）。Remy 把它们比作不同品牌的汽车。一朝你学会了怎么开车——踩油门、刹车、转地点盘——你就能开任何车。丰田也好，路虎也罢，固然树立不同（座椅加热、定速巡航等），但基本道理是相通的。Remy 现场演示了在 Claude Code、Codex 和 Antigravity 三个平台上用同样的领导词构建作品集网站，三个王人见效了。同样的轮回，不同的风仪。这个细察特地迫切，因为它意味着你学到的手段是可移动的，不会被某个特定器用锁定。

构建 Agent 的大脑：agents.md 文献

领路了 agent 的运作道理后，接下来便是实践部分。第一步是创建 agent 的”大脑”——一个 agents.md 文献。这听起来很期间化，但试验上特地浅易直不雅。我按照 Remy 的步伐历练了一次，才真实领路为什么这个文献如斯重要。

率先在你的电脑上创建一个文献夹，比如叫”executive assistant”（践诺助理）。现时这个文献夹是空的。要是你径直让 agent 帮你写一封商务开发邮件，它十足不知说念你是谁、你卖什么居品、你的狡计客户是谁。结果便是它会生成一封通用的、毫无针对性的邮件，你还得花时刻大幅修改。这便是大多数东说念主使用 AI 时遭受的问题：每次王人要相通提供布景信息，着力低下且令东说念主消沉。

解决决议便是 agents.md 文献。这是你的 agent 的系统领导词（system prompt），会在每个任务运转前加载。你可以在内部放入你的变装、业务布景、个东说念主偏好、使用的器用，以及你心爱的责任形式。不同的 agent 框架对这个文献的定名略有不同：Claude Code 里叫 claude.md，Codex 和 OpenClaw 里叫 agents.md，Gemini 里叫 gemini.md。但成见十足相通：一个 markdown 文献，在 agent 运转责任前给它提供陡立文。

这里有个特地实用的技巧。你可以用任何聊天模子来构建这个文献。只需说：”用访谈的形式问我问题，索要整个你需要的陡立文信息，然后帮我构建一个 agents.md 文献。”模子会从你脑子里把信息王人挖掘出来，况且结构化地整理好。我试过这个步伐，效果惊东说念主。模子问了我约略 15-20 个问题，从我的责任变装、公司业务、狡计客户、疏通作风、常用器用，到我对邮件签名的偏好，全部索要出来并生成了一个完整的 agents.md 文献。

这记号着从”领导词工程”（prompt engineering）到”陡立文工程”（context engineering）的重要改动。当你给 agent 加载了阔绰多对于你业务的信息后，你的领导词可以浅易到令东说念主失笑。”给我写封商务开发邮件”就够了，因为陡立文如故全在那里了。agent 知说念你是谁、你在倾销什么、你的口吻作风，致使知说念你心爱在邮件结果用什么样的签名。这种责任形式的着力普及是指数级的，因为你不再需要每次王人相通提供布景信息，可以径直进入中枢责任。

给 Agent 配备挂牵：memory.md 文献

构建好 agents.md 后，下一步是解决一个重要问题：挂牵。我在使用 ChatGPT 等聊天模子经常时遭受这种情况：你告诉它”我最心爱的脸色是薰衣草紫”，它说”昭着了”。但下一次会话时，它十足不铭记了。这特地令东说念主消沉，因为你不得不反复改良同样的问题。

ChatGPT 这类聊天模子有自动挂牵功能，它们会在云表保存信息，但你无法斥逐。Agent 的责任形式不同，你可以我方斥逐挂牵。Remy 的解决决议特地优雅：在 agents.md 文献中添加两行指示。第一转：”在每个任务运转前读取 memory.md 文献”。第二行：”当我改良你或者你学到新东西时，更新 memory.md 文献”。然后在归并个文献夹中创建一个空缺的 memory.md 文献。

现时，当你说”别写得那么讲求”，agent 会在 memory.md 中更新记载：”保持口吻轻易，永远不要讲求”。每次未来的会话王人会秉承这个偏好。这就像西席一个真实的职工。优秀的职工会记取你的偏好并跟着时刻不停翻新，你的 agent 也应该如斯。我按照这个步伐树立后，发现 agent 的阐述照实会跟着时刻推移越来越适合我的盼望。它会记取我不心爱用”权贵”这个词，会记取我倾向于用数据援手不雅点，会记取我心爱节略的段落而不是虚浮无物。

Remy 给出了一个最好实践提出：保持 agents.md 文献在 200 行以内。要是你的 memory.md 文献运转保存一些渺小的修正，可以更新指示说”只保存实质性的修正”。你随时可以手动计帐这个文献。这个提出很迫切，因为要是挂牵文献变得过于浩瀚和零星，反而会影响 agent 的阐述。保持信息的精粹和结构化，是让 agent 高效运作的重要。

趋附你的器用：MCP 条约

有了大脑和挂牵后，agent 仍然是孤独孤身一人的。它只可在我方的小天下里责任，无法拜谒你日常使用的各式器用和平台。这就引出了下一个重要组件：MCP（Model Context Protocol，模子陡立文条约）。

默许情况下，大多数 agent 框架只自带网页搜索功能。就这一个。要趋附 Gmail、Google Calendar、Notion、Stripe、Granola 或其他你使用的器用，你需要 MCP。Remy 用了一个特地粗略的譬如来讲授 MCP 的价值。在 MCP 之前，你的 agent 必须学习每个器用的”语言”。Claude 说英语，Notion 说西班牙语，Gmail 说法语，Slack 说汉文。趋附它们需要针对每个器用进行定制开发，资本腾贵且复杂。

Anthropic 开发了 MCP 作为通用翻译器。你的 agent 仍然说英语，你的器用仍然说它们各自的语言，MCP 坐在中间进行双向翻译。这个条约的出现大大缩短了 agent 系统的构建门槛。现时大多数框架王人让趋附变得特地浅易。Cowork、Codex、Manus 和 Perplexity 王人有”趋附器”或”手段”菜单，你可以浏览期骗并登录，一键完成。

一朝趋附完成，这才是真实的分娩力飞跃发生的地方。Remy 作念了一个现场演示，让我印象极其久了。他让一个 agent 总结收件箱、从 Granola 索要会议札记、创建一个 Stripe 付款趋附、在 Notion 中诞生一个样式、草拟一封后续跟进邮件。一个领导词，agent 触及了每个器用，Remy 莫得切换任何一个标签页。他说：”即使你只是能把某件事作念快七倍，不需要进入整个这些器用，这种着力普及真实会运转复利。”

我我方尝试后，这种体验照实令东说念主颠簸。我让 agent 检验我的日期、总结今天的会议、从 Notion 中索要样式情状、在 Slack 上给团队发送更新、创建一个跟进任务。通盘过程在两分钟内完成。要是我手动操作，至少需要 15-20 分钟，还要在多个期骗之间往复切换，念念维不停被打断。这种无缝的责任流整合，才是 AI agent 真实的价值所在。它不是替代某个器用，而是成为整个器用的合作家，让信息和行为在不同平台间解放流动。

构建手段：AI 的圭表功课进程

要是说 agents.md 是大脑，memory.md 是挂牵，MCP 是动作，那么 skills（手段）便是专科学问和告诫的蕴蓄。这是整套系统中最具复利效应的部分，亦然我认为最被低估的组件。

把手段领路为圭表功课进程（SOP），关联词为你的 agent 准备的。你讲授一次进程，agent 就能每次完满相通。莫得手段的情况下是这么的：你让 agent 写一份客户提案，你们往复疏通 30 分钟，改样式、把价钱移到底部、用这个蓝色色彩。最终得到一个可以的结果。但下周，你又得从新运转。有手段的情况下：agent 加载你的提案手段，它如故知说念样式、脸色、价钱应该放在那里。几分钟处置。

Remy 先容了两种创建手段的步伐。步伐一：提供源材料。他拿了一个对于病毒式传播钩子（viral hooks）的完整课程文本，上传给 agent，然后说”基于这个课程给我构建一个病毒式钩子手段”。agent 就把它打包成一个 .skill 文献，包含指示和参考材料。步伐二：从试验会话中构建。和 agent 沿途手动完成一个进程，当你对结果忻悦时，说”为咱们刚才作念的创建一个手段”。它会把通盘责任流打包起来。

Remy 共享了一个真实案例，异常能证实手段的价值。他构建了一个告白库分析手段，步伐是和 Claude 沿途走一遍完整进程：抓取竞争敌手的告白、截图落地页、分析案牍和创意、生成一份主阐述。这个进程昔日需要 3-4 小时。现时他只需输入两个词，手段就会运行。我算了一下，要是他每周作念两次这么的分析，一年就能勤俭 300-400 小时。这些时刻可以用来作念更有策略价值的责任，而不是机械性的信息集会和整理。

更重要的是，手段是可以累积的。要是你每周自动化 3-5 个渺小的手动进程，最终你会自动化通盘责任流。这不是整宿之间发生的，而是一个渐进的过程。但正因为是渐进的，它可继续、可斥逐。你不是已而把整个责任交给 AI 然后祷告它不出错，而是极少极少地将那些相通性、规定明确的任务改动为手段，缓缓优化和完善，直到通盘系统结识可靠。

手段趋附和任务调理

当你蕴蓄了阔绰多的手段后，真实的魔法运转披露：手段趋附。单个手段很有用，但当你把多个手段组合起来，就能创造出十足自主的责任流。

Remy 举了一个会议准备的例子。一个会议准备手段会研究嘉宾并整理讲话重点。一个播客研究手段会深入挖掘嘉宾的布景。一个晨间简报手段会检验你的日期，要是看到有播客安排，就自动触发研究手段。这种手段的级联调用，创造了一种近乎魔法的体验：你醒来，掀开电脑，晨间简报如故准备好了，今天的播客嘉宾的完整布景贵寓也躺在那里，你只需要快速浏览然后运转录制。

现时大多数框架王人援手定时任务。你可以诞生晨间简报手段每天早上 9 点运行。它会检验你的日期、总结收件箱、从 Notion 索要样式更新、录用一份逐日行为狡计。我诞生了这么一个进程后，发现它透顶改变了我运转一天责任的形式。昔日我需要花 30-45 分钟”进入情状”，检验邮件、看日期、追忆待奇迹项。现时这些王人在我坐下来之前就完成了，我可以径直进入深度责任。

Remy 共享了一个更激进的案例。他正在购买一辆特定脸色、特定树立的汽车。每三小时，一个 agent 会自动抓取 CarMax、Cars.com、Autotrader 等市集平台，要是有匹配的车出现，就发送见告给他。这为他每天勤俭了大要一小时的猖獗刷新标签页的时刻。这个例子让我意志到，agent 不仅可以处理责任任务，还可以遴选生存中那些耗时但迫切的监控任务。

我运弯曲念考更多可能性。一个 agent 可以监控特定主题的新闻，每天生成行业动态纲领。另一个可以追踪竞争敌手的居品更新和订价变化。还有一个可以监控外交媒体上对于你品牌的说起，识别需要反应的迫切辩论。这些王人是昔日需要专东说念主负责或者十足忽略的任务，现时可以十足自动化。

运营通盘业务的文献夹结构

当你运转系统化地构建 agent 团队时，组织结构变得至关迫切。Remy 共享了他的完整诞生，这个结构特地有启发性。

他为每个公司或客户创建一个大文献夹。内部按部门永诀子文献夹：executive assistant（践诺助理）、content team（内容团队）、head of marketing（营销控制）、sales（销售）。每个子文献夹王人有我方的 agents.md、memory.md、手段文献夹和 MCP 趋附。营销 agent 知说念告白创意规定，内容 agent 知说念品牌口吻，践诺助理知说念你怎么签署邮件。在顶层，一个总管 agent 料理整个这些。

这个结构让我猜度真实公司的组织架构。每个部门有我方的学问库和责任形式，但王人向归并个狡计发愤。Remy 还提到了全局手段和样式级手段的区分。有些手段适用于整个场景，比如”让这个更粗略”的手段，这些应该放在全局。而”将某东说念主转介给 Sebastian”这么的手段只属于践诺助理文献夹，应该保持在样式级别。

我按照这个念念路整理了我方的 agent 系统，发现这种组织形式照实大大提高了可料感性。昔日我把整个东西王人塞在一个文献夹里，结果是手段相互突破，挂牵文献变得肥美，很难追踪哪个 agent 负责什么。现时每个 agent 王人有明确的职责领域和学问鸿沟，通盘系统变得明晰可控。

更迫切的是，这种结构是可延迟的。当你想添加一个新职能，只需创建一个新文献夹，树立相应的陡立文和手段，就可以立即插足使用。当某个 agent 的阐述欠安时，你知说念确切在那里进行疗养。这种模块化的遐想让通盘系统既刚毅又生动。

怎么运转

看到这里，你可能会以为这套系统很复杂，不知说念从那里脱手。Remy 给出了一个特地明晰的起步旅途，我认为这个旅途既实用又规律渐进。

第一步，选拔一个 agent 框架。Remy 保举 Cowork 作为入门者的最好选拔，因为它的界面最友好、诞生最浅易。但正如前边提到的，一朝你领路了基本道理，切换到其他框架特地容易。第二步，创建一个叫”executive assistant”的文献夹。从践诺助理运转是奢睿的，因为这个变装波及的任务类型最平时，能让你快速看到价值。

第三步，使用访谈式领导词构建你的 agents.md 文献。这一步不要惊惶，花时刻把陡立文开导好，后头会勤俭大批时刻。第四步，添加带有自动更新指示的 memory.md 文献。第五步，通过 MCP 趋附你最常用的器用。不要一次性趋附整个器用，从 3-5 个最中枢的运转。

第六步，这是最重要的：运转使用 agent 处理真实任务。不要只是测试，要让它参与你的试验责任。当你发现我方相通践诺某个进程时，把它改动为手段。第七步，每周自动化 3-5 个小进程。这个节律是可继续的，不会让你overwhelmed（不知所措），但会稳步蕴蓄。

我我方的告诫是，前两周会嗅觉有些狡诈，因为你在学习怎么与 agent 灵验疏通，怎么构建好的陡立文和手段。但过了这个阶段，着力普及会变得特地彰着。我现时每天早上的第一件事不再是手动检验邮件和日期，而是搜检 agent 准备好的晨间简报。我写邮件的时刻从平均每封 5-10 分钟降到了 1-2 分钟，因为 agent 如故掌执了我的写稿作风和常用模板。

Remy 强调了极少我特地招供：真实未来导向的期间栈是你电脑上的 markdown 文献。各式框架会不停变化，但你的陡立文文献、挂牵和手段可以移动到任何一个。这意味着你插足的时刻和元气心灵不会因为某个器用被淘汰而阔绰。你构建的是一套可移动的数字化责任流财富。

我对这套步伐的深度念念考

在深入研究并实践了这套 AI agent 责任流系统后，我有一些更深层的念念考，这些念念考高出了具体的期间细节，触及了咱们与 AI 干系的本体。

我认为这套步伐最久了的地方在于，它从新界说了”自动化”这个成见。传统的自动化是事前编程的、僵化的，只可处理十足相通的场景。而基于 AI agent 的自动化是适合性的、情境感知的。它不是浅易地践诺固定步伐，而是凭证具体情况作念出判断。这种各别是根人性的。一个传统的自动化剧本会在遭受巧合情况时崩溃，而 AI agent 会疗养策略。这意味着你可以自动化那些昔日被认为”太复杂、变数太多”的任务。

我也留神到一个道理的悖论：agent 越智能，你需要的期间手段越少，但对业务领路的条件越高。昔日，构建自动化系统需要编程才气，但不一定需要久了领路业务逻辑。现时，你不需要写代码，但你必须能够明晰抒发任务狡计、界说完成圭表、识别重要决策点。这是一种不同类型的手段，更偏向策略性念念维和进程遐想。

从更宏不雅的角度看，这套步伐体现了一种新的责任玄学：压缩繁琐责任，专留神要决策。Remy 在著述结果说：”你不是在替代我方，而是在压缩琐事，这么你就能专注于真实迫切的决策。”这句话点出了中枢。AI agent 的价值不是让你休闲，而是让你的时刻用在更有价值的地方。那些相通性、规定明确、不需要创造性的任务，应该被自动化。而那些需要判断、创意、同理心和策略念念维的责任，应该得到更多时刻和元气心灵。

我还念念考了这套系统的复利效应。每个手段的价值可能不大，但当你蕴蓄了 50、100 个手段后，通盘责任形式会发生质变。就像复利投资一样，前期看不出太大离别，但跟着时刻推移，弧线会骤然高潮。Remy 说”把一周的责任压缩进一天”，这不是夸张，而是数学上的势必结果。要是每个任务王人快 5-10 倍，一天照实可以完成昔日一周的责任量。

但我也看到一些潜在的陷坑。过度自动化可能让东说念主失去对细节的感知，过度依赖 agent 可能缩小我方的手段。我的轻视策略是：如期审查 agent 的输出，确保质地不着落；特地志地保留一些手动责任，保持手段的活跃；把 agent 当作助手而非替代品，最终决策权永远在东说念主类手中。

终末，我认为这套步伐预示了一个更大的趋势：个东说念主分娩力的极大普及将从新界说竞争。昔日，一个东说念主的产出受限于时刻和元气心灵，现时，通过 AI agent，一个东说念主可以领有一个小团队的产出才气。这会让小团队和个东说念主创业者具备前所未有的竞争力，因为他们可以以极低的资本已毕昔日需要大团队才能完成的事情。咱们可能正在见证”一东说念主公司”时间的真实到来。

底层逻辑：从器用到团队

回到最运转的问题：为什么大多数东说念主还停留在 AI 使用的低级阶段？我认为压根原因在于念念维模式的各别。大多数东说念主把 AI 当作器用，一个更灵巧的搜索引擎或写稿助手。但那些分娩力普及 10-20 倍的东说念主，如故把 AI 当作团队成员。

这不单是是用词上的区别，而是十足不同的使用形式。当你把 AI 当作器用时，你会在需要时调用它，用完就关闭。当你把 AI 当作团队成员时，你会给它继续的陡立文、教它记取偏好、构建它的手段库、让它主动承担职责。就像料理东说念主类职工一样，你插足的培训和指引越多，它的产出就越好。

这套由 Remy 共享的系统，本体上便是一套”料理数字职工”的步伐论。agents.md 是职工手册，memory.md 是责任日记，skills 是专科手段，MCP 是责任权限。通盘结构映射了东说念主类组织的料理逻辑。领路了这极少，你就能昭着为什么这套系统如斯刚毅：它不是在优化器用使用，而是在构建一个可延迟的、能够自我翻新的数字化团队。

轮回特地浅易：趋附器用 → 构建陡立文 → 创建手段 → 自动化进程 → 相通。从践诺助理运转，本周构建一个手段，下周再构建一个。把这个过程堆叠数月，你就能把一周的责任压缩进一天。这不是科幻，而是现时就可以已毕的现实。

本文由东说念主东说念主王人是居品司理作家【深念念圈】，微信公众号：【深念念圈】，原创/授权 发布于东说念主东说念主王人是居品司理，未经许可，不容转载。

题图来自Unsplash体育游戏app平台，基于 CC0 条约。