想象这样一个场景你在超市水果区挑西瓜随手打开手机问豆包几秒钟它就给你列出纹路、声音、瓜蒂几条鉴别标准当场就能用上。生活里我们已经悄悄习惯了 AI。但在工作中AI 却常常令人失望。老板让你写一份活动文案结果 AI 返回来一堆「赋能行业、共创未来、开启新篇章」的陈词滥调。问题出在哪不是 AI 不会干活是你还没学会如何 “派活”。更准确地说AI 的使用方式已经进化到了 “你提需求它来搞定” 的Agent时代。6 月 6 日晚TinTinAI 第一期直播邀请到 Validere AI 工程师 美国名校博士大壮老师从 Agent 的基础概念入手一步步跑通 OpenClaw 安装、飞书配置再拆解真实 Skill 案例完整演示了一个高效的 AI 助理是如何 “搓” 出来的。以下为本场直播课程的精华复盘。错过直播的同学可前往「TinTinAI」抖音或微信视频号查看完整回放。技术演进从语言模型到 Agent语言模型的本质下一个词的预测在 2020 年或 2021 年左右语言模型LLM还只是实验室里的预测工具工作原理很像手机输入法的自动补全。 例如当你输入“今天天气很”输入法可能会根据概率预测补全“好”、“坏”或“热”。虽然这在业内引发了讨论但因为其工具属性不强普通大众并没有真正用起来。ChatGPT 的诞生与能力的延伸直到 ChatGPT 横空出世科学家们对模型进行了后训练和加工让它能像真正的伙伴一样跟你对话。由于模型在预训练中吸收了海量数据人们开始把它当成搜索引擎来交互获取各种知识。但在这个阶段AI 还没有长出 “手脚”无法真正帮人类去执行和完成复杂的任务。随后OpenAI 很快为 ChatGPT 增加了两个划时代的功能Web Search网络搜索允许 AI 实时获取互联网上的最新信息不再完全依赖于预训练的静态数据。Function Call函数调用语言模型不仅能在对话框里回答问题还可以去调用已经写好的外部小工具。一旦语言模型同时具备联网和调用工具的能力它就有了成为智能体Agent的雏形。Agent 和传统 LLM交互方式有什么不同用程序员开发软件的场景来对比传统 LLM遇到不会写的代码去问 ChatGPT它给出 1、2、3 步骤程序员自己逐步执行遇到 bug 再把报错贴回去如此来回多轮才能迭代出结果。人是执行者AI 是顾问中间需要大量人工搬运信息。Agent程序员只需说 我想开发这个功能Agent 自主拆解步骤、调用工具执行、收集反馈、自适应调整端到端地把问题解决。核心节点仍需人工审查但整体效率已是另一个量级。 简而言之以前的 AI 相当于“客服”我问你答现在的 Agent 则相当于“实习生”你帮我做做完告诉我结果。Skill让 Agent 产生复利效应的关键理解了 Agent 之后一个更核心的概念随之出现Skill技能。这个概念最早源于 Anthropic 团队内部工程师的文档沉淀。他们发现面对同一个任务不同工程师写出的提示词差距很大。于是他们开始在内部共同维护一份文档形成可以随时间迭代、共享借鉴、可插拔的标准化工作流文档。这就是 Skill 的雏形本质上是一项 “复利工程” 。什么时候不需要 Skill不是所有任务都适合做成 Skill盲目开发反而增加负担。以下两类场景不需要 Skill确定性的程序化工作流比如财务人员每月根据流水表格合账有明确的计算公式和标准流程直接用 Excel 公式或传统工作流处理更精准、更好维护。一次性临时任务领导临时交办的一件琐事直接用 ChatGPT 或豆包交互即可。开发 Skill 的时间成本远大于解决任务本身的成本。什么时候真正适合 Skill最适合 Skill 的场景是「输入非标准化、输出需标准化」的重复性任务。典型场景是投资行业的信息收集每次输入源都不同可能是 PDF 财报、Excel 表格、网页文章等多种格式。有了 SkillAI 会按照你制定的标准流程对这些数据进行清洗、加工、整理最终输出格式统一的结果。实操演示从零搭建一个写周报的 Skill接下来以开源 Agent 工具OpenClaw俗称小龙虾为例演示如何通过飞书联动 AI搭建一个周报自动化智能体。第一步工具安装与环境配置方式 A官网命令行安装进入 OpenClaw 官网根据自己的操作系统找到对应的安装命令。安装后进入配置环节有两个核心要素需要配置语言模型的 API以及与 Agent 交互的渠道如飞书。方式 B飞书一键式轻量配置直接使用飞书内置的一键版 OpenClawopenclaw.feishu.cn按照引导点击确认即可适合不想折腾配置的用户代价是自由度稍低无法灵活切换语言模型。 新手小贴士安装过程中如遇到问题可以借助第三方 AI 辅助编程工具OpenCodeopencode.ai用自然语言描述报错让它帮你调试绝大多数情况下都能顺利解决。第二步智能体性格与原生 Skill 初始化在飞书中连通 OpenClaw 后可以先用自然语言做一次人设初始化告诉它你希望它的风格和称呼。接着让它列出目前已有的原生技能它会逐一展示飞书内已配置好的基础能力比如飞书文档读写文件管理权限管理等。这些单点技能就是后续拼装复杂工作流的积木插件。第三步构建专属周报 Skill在飞书对话框中直接对 OpenClaw 下令“帮我设计一个自动生成飞书周报的 Skill。”它会主动引导并反问你这个 Skill 的具体定位是什么、在什么场景下触发你用自然语言描述清楚后它会在后台自动生成并激活一个新的 Skill通常包含以下几个部分Skill 名称例如 feishu-weekly-report描述/触发条件明确在什么特定指令或语境下需要调用这个特定的工作流。工作流程Pipeline详细列出每一步的具体执行步骤例如读取指定的临时碎片文档 - 提取非结构化信息 - 按照既定专业框架进行分类和提炼 - 自动在飞书内新建文档并写入格式化周报。写作原则规范输出的内容调性如简洁专业、结果导向、关键数据量化等。整个架构均由 AI 一次性自动生成。生成后你还可以根据自己对周报格式的个性化要求在里面随时进行细节微调。第四步一键触发端到端交付为了测试效果我们可以提供一个非常零散、没有章法、想到什么写什么的自媒体运营日常记录文档例如“周一剪了视频周二回复了私信丢给飞书小龙虾并对它说“使用飞书 weekly report 技能用这个文档里提供的信息帮我总结一份周报。”它识别触发词后调用刚才的 Skill申请文档权限自动完成读取、分类、生成、创建、写入全套流程最终在飞书里输出一份格式整洁的周报并附上各分类的条目统计。整个过程你无需介入最后审查一遍结果即可。Skill 并非一次写好就万事大吉它需要根据反馈持续打磨 —— 这正是复利工程的意义越用越顺手越打磨越有价值。不会写代码也能立即开始很多人一听到「配置 Agent」就觉得需要写代码。整个演示过程没有写一行代码与 OpenClaw 的所有交互都通过自然语言完成。即便遇到更复杂的任务都可以借助 OpenCode 描述需求代码也是由 AI 自己生成的。本节课最有价值的东西不是某个具体工具 —— 工具更新太快学不完也追不上。真正值钱的是一套思维方式把重复性工作拆分成步骤沉淀成标准化的 Skill交给 Agent 执行。把基础原理弄清楚你才能结合自己的工作场景用得比别人更熟练、更高效。 欢迎关注抖音 微信视频号「TinTinAI」更多前沿的 AI 实战课程等你哦 添加小助手 Tina TinTinLand2025加入 TinTinAI 社群解锁更多惊喜福利