大家都在谈论 AI Agent。
收藏这个 :)
构建一个 Agent。部署一个 Agent。Agent 这个。Agent 那个。
但当你真正坐下来想构建一个时，就会碰壁。教程默认你已经会 Python。指南是为开发者写的。框架的文档读起来像天书。
所以大多数人放弃了。他们回去把 Claude 当聊天机器人用，并告诉自己 Agent 对他们来说“太技术了”。
这种想法是错误的。本指南将证明这一点。
你不需要会写代码就能构建 AI Agent。你不需要计算机科学学位。你不需要理解 API、框架或终端命令。
你需要 Claude。你需要 Cowork。你需要这篇文章。
读完本指南，你将构建出一个由 AI Agent 组成的工作团队，它们能为你研究、撰写、分析并产出真实成果——全程无需编写一行代码。
这是完整的课程。一步步来。从零开始。
什么是 AI Agent（以及你为什么应该关心）
AI Agent 是一个系统，它可以接收一个目标，将其分解为步骤，执行这些步骤，并交付结果——无需你事无巨细地管理每个环节。
聊天机器人等待你精确地告诉它每一步该做什么。而 Agent 接收一个高级指令，然后自己搞定剩下的事情。
区别就像告诉某人“帮我订张机票” vs 告诉某人“去这个网站，输入这个目的地，点这个按钮，选这个日期，输这张信用卡”。一个是授权委托，另一个是保姆式指导。
Agent 让你能够授权委托。而授权委托才是真正的杠杆所在。
你为什么应该关心？因为现在，构建 AI Agent 是市场上价值最高的技能之一。公司正在为此招聘。自由职业者为此收取高价。创始人正在围绕它构建整个产品。
而入门门槛比大多数人想象的要低。
模块 1：理解各个组成部分
在你构建任何东西之前，你需要理解每个 AI Agent 的四个组成部分。这些都是简单的概念，不是技术术语。
1. 角色
每个 Agent 都有明确的工作。它不是“一个做事的 AI”。它是“一个做特定类型工作的 AI”。研究 Agent 负责查找和组织信息。写作 Agent 负责创建内容。分析 Agent 负责处理数据并发现模式。
角色越具体，Agent 的表现就越好。
2. 指令
这告诉 Agent 如何完成工作。不仅仅是“研究这个主题”，而是“通过查找五个来源来研究这个主题，用三句话总结每个来源，识别相互矛盾的论点，并生成一份包含你建议的最终综合报告”。
指令定义了流程、质量标准以及输出格式。
3. 工具
Agent 可以访问什么？它能搜索网络吗？能读取你的文件吗？能访问你的邮件吗？能连接到你的日历吗？Agent 可用的工具决定了它在生成文本之外，实际上能在现实世界中做什么。
4. 记忆
Agent 如何记住它做过什么？它能引用之前的工作吗？它知道你昨天的会话偏好吗？记忆是将一次性工具与持久助手区分开来的关键。
就这些。角色。指令。工具。记忆。每个 AI Agent 都由这四个部分组成。
模块 2：构建你的第一个 Agent（零代码）
打开 Claude Desktop。点击 Cowork 标签。你现在就要构建你的第一个 Agent。
步骤 1：定义角色
决定你的第一个 Agent 将做什么。根据最能节省你时间的原则，从以下起点中选择一个：
- 内容研究 Agent — 查找并总结任何主题的信息
- 初稿 Agent — 将你的想法转化为书面草稿
- 数据整理 Agent — 处理文件，提取信息并组织整理
- 会议准备 Agent — 在会议前研究相关人员和主题
- 周报 Agent — 将你的数据整理成格式化的周报
选一个。在本教程中，我将以内容研究 Agent 为例。
步骤 2：编写系统指令
在 Cowork 中，开始一个新会话，并向 Claude 提供以下指令：
你是我的内容研究 Agent。你的工作是研究我给你的任何主题，并生成一份结构化的研究简报。对于每个研究任务：1. 确定 5 个最重要的子主题 2. 对于每个子主题，查找关键事实、统计数据以及专家意见 3. 识别该主题内的任何矛盾或争议 4. 将你的发现总结在一份结构化的文档中 5. 在末尾包含一个“关键要点”部分，包含 3-5 个可操作的见解 输出格式：一份干净的文档，保存为我的 /Research 文件夹中的 [topic-name]-research.md 质量标准：每个主张都应具体。没有废话。没有泛泛而谈。如果你找不到关于某事的可靠信息，请如实说明，而不是编造。语气：专业但易懂。为那些聪明但并非该特定主题专家的人而写。
步骤 3：授予访问权限
授予 Cowork 访问你希望 Agent 保存其工作的文件夹的权限。如果你还没有，请创建一个 /Research 文件夹。这是每个研究简报自动保存的地方。
如果你已设置好连接器——Gmail、Google Drive、Slack——Agent 也可以从这些来源提取信息。
步骤 4：测试它
给它你的第一个任务：
“研究 AI Agent 在商业中的当前状态。重点关注公司现在实际使用它们做什么，而不是理论上的东西。”
观察它工作。它会规划方法，执行研究，并将格式化的文档保存到你的 Research 文件夹。
步骤 5：优化
第一次输出会不错，但不会完美。这很正常。回顾一下，并告诉 Claude 需要改进的地方：
- “各个部分太长了。将每个子主题的总结控制在 100 字以内。”
- “在顶部添加一个段落作为执行摘要。”
- “我希望你按 1-5 的等级评估每个来源的可靠性。”
每次优化都会让 Agent 下次更聪明。
恭喜。你刚刚在没有编写一行代码的情况下构建了你的第一个 AI Agent。
模块 3：构建一个 Agent 团队
一个 Agent 很有用。一个 Agent 团队则具有变革性。
以下是构建一个团队的方法，其中每个 Agent 扮演不同角色，并在完整的工作流程中协同工作。
内容制作团队（4 个 Agent）
这是一个示例团队。你可以将其调整到任何工作流程。
Agent 1：研究 Agent你已经构建了这个。它查找并组织任何主题的信息。
Agent 2：大纲 Agent
你是我的内容大纲 Agent。你的工作是接收一份研究简报，并将其转化为详细的内容大纲。流程：1. 完整阅读研究简报 2. 为受众确定最强有力的角度 3. 创建一个标题（必须包含一个具体数字和一个好奇心钩子） 4. 构建一个逐节大纲，包括： - 章节标题 - 要涵盖的关键点（每节 3-5 个） - 要包含的具体例子或数据点 - 每节预估字数 5. 撰写开头段落（钩子） 6. 撰写结尾段落（行动号召） 保存为我的 /Outlines 文件夹中的 [topic-name]-outline.md。大纲应足够详细，以便其他人无需提问即可根据它写出完整的文章。
Agent 3：写作 Agent
你是我的内容写作 Agent。你的工作是接收一份大纲，并产出一篇完整、精炼的文章。流程：1. 在写作前完整阅读大纲 2. 严格按照大纲结构撰写完整文章 3. 使用短段落——每段最多 3 句话 4. 对关键短语加粗以提高可扫描性 5. 包含大纲中的所有具体数字和例子 6. 全文保持一致的语调 风格：直接、对话式、零废话。写得像在跟一个聪明的朋友聊天，而不是在教室里讲课。听起来不能像：通用的 AI 写作、企业博客、LinkedIn 网红、学术论文。保存为我的 /Drafts 文件夹中的 [topic-name]-draft.md。
Agent 4：编辑 Agent
你是我的内容编辑 Agent。你的工作是审阅一篇草稿文章，并将其改进到可发布的质量。流程：1. 首先完整阅读整篇草稿 2. 检查：事实准确性、逻辑流程、语调一致性、冗余内容 3. 改进：薄弱开头、模糊陈述、缺失的过渡、虎头蛇尾的结尾 4. 强制执行：短段落、加粗关键短语、用具体数字代替模糊主张 5. 删减：任何没有增加价值的句子 6. 产出最终精炼版本 质量检查：- 开头钩子是否在前两行抓住注意力？- 每个章节是否都兑现了其标题的承诺？- 我会分享这个吗？我会收藏这个吗？- 行动号召是否清晰且令人信服？保存为我的 /Published 文件夹中的 [topic-name]-final.md。
运行团队
以下是工作流程：
- 告诉你的研究 Agent：“研究 [主题]”
- 获取其输出，然后告诉你的大纲 Agent：“根据这份研究简报创建大纲”
- 获取大纲，然后告诉你的写作 Agent：“根据这份大纲写出完整的文章”
- 获取草稿，然后告诉你的编辑 Agent：“将其编辑到可发布的质量”
每个 Agent 处理一个步骤。一个 Agent 的输出成为下一个 Agent 的输入。
从原始主题到发布成品，完整文章在 30 分钟内完成。你无需动笔写一个字。
模块 4：高级 Agent 技巧
一旦你的基础团队运作起来，这些技巧能使其效率大幅提升。
技巧 1：定时 Agent 工作流
在 Cowork 中使用 /schedule 来按定时器自动化你的 Agent。
每周一早上 7 点：研究 Agent 拉取你领域内的热门话题并保存简报。每周一早上 8 点：大纲 Agent 为前 3 个话题创建大纲。你审阅大纲，选出最佳的一个，然后让写作 Agent 产出文章。
你的内容管道在自动运行，而你专注于策略。
技巧 2：上下文文件以确保一致性
创建一个 context.md 文件，让每个 Agent 在开始工作前都读取它：
我的内容上下文 受众：25-40 岁、精通技术、使用 AI 工具的专业人士 领域：AI 生产力、Claude 生态系统、自动化工作流 语调：直接、无废话、略带不敬 绝不使用：“在当今快节奏的世界中”、“利用”、“解锁”、“颠覆者” 始终包含：具体数字、可操作步骤、真实案例 格式：短段落、加粗关键短语、清晰章节
将“在开始任何任务前读取 context.md”添加到每个 Agent 的指令中。这能确保你整个团队的一致性。
技巧 3：反馈循环
在每次重要输出后，给 Agent 具体的反馈：
“研究简报不错，但过于侧重理论。下次，优先考虑真实世界的例子和案例研究，而不是定义。”
“草稿很强，但结尾较弱。始终要以一个清晰的对比结束：如果读者什么都不做会发生什么，对比如果他们采取行动会发生什么。”
每条反馈都会让未来的每次输出变得更好。随着时间的推移，你的 Agent 会学会你的标准，无需你重复指令。
技巧 4：多步骤自动化工作流
在 Cowork 中，你可以将多个 Agent 链接成一个单一工作流：
“以‘面向小企业的 AI Agent’为主题，运行完整流程：研究 → 大纲 → 写作 → 编辑。保存所有中间文件。将最终文章交付到 /Published 文件夹。”
Claude 从头到尾处理整个工作流。你回来时，一篇成品文章已经就绪。
模块 5：你可以直接复制的 Agent 团队模板
以下是另外三个你可以立即构建的 Agent 团队配置：
商业情报团队
- 数据收集 Agent：从你的工具中收集指标和 KPI
- 分析 Agent：识别趋势、异常和机会
- 报告 Agent：将发现编译成执行摘要
- 建议 Agent：基于分析提出行动方案
客户研究团队
- 调查 Agent：设计研究问题
- 数据处理 Agent：整理原始反馈
- 模式识别 Agent：发现重复出现的主题
- 洞察 Agent：将模式转化为产品建议
社交媒体团队
- 趋势 Agent：监控你领域内表现好的内容
- 内容规划 Agent：构建每周内容日历
- 写作 Agent：为每个平台起草帖子
- 优化 Agent：在发布前审阅并改进每篇帖子
每个团队都遵循相同的结构：专业化角色、清晰的指令、Agent 之间明确的交接。
接下来构建什么
你现在对构建 AI Agent 团队的了解，已经超过了社交媒体上谈论 Agent 的 95% 的人。
下一步很简单。选择一个能解决你最大时间消耗的团队。今天就构建它。运行一周。根据有效和无效的部分进行优化。
现在用 AI 取得成功的人，不是房间里最聪明的人。而是那些停止把 AI 当聊天机器人用，并开始构建系统的人。
你刚刚学会了如何构建系统。
大多数人会读完整个指南，然后回到聊天窗口向 Claude 问单个问题。
而那些今天真正构建出第一个 Agent 团队的人，将在 30 天内运营一个完全不同的业务。
关注我 @eng_khairallah1 获取更多工具、工作流和系统。没有废话。只有有效的方法。
希望对你有用，Khairallah ❤️
