为什么它很会说，却仍然会错？
理解这些原理以后，遇到新工具，你就能判断它适合自己的哪个业务环节。
理解今天常见的生成式大模型，可以从三个阶段开始：预训练，通过预测后续 token、减少预测误差，学习语言和各种模式；后训练，进一步学习遵循指令、解决任务；使用时，根据当前上下文生成回答。
背景研究：Training language models to follow instructions。
生成一个合理的回答，
不等于查到一个真实的事实。
你给的背景、资料和要求，会影响它的回答。需要最新事实，就让它查询来源；需要精确计算，就让程序计算。
给 AI 工具，再让它根据结果继续做
Claude Code 是我理解 AI 的一个重要分水岭。以前我更多是在问：“这件事怎么做？”后来我发现，可以直接说：“帮我把这件事做完。”
它能够读取文件、修改内容、运行命令，再根据返回结果决定下一步。官方把这个过程概括成收集上下文、采取行动、验证结果的循环。工作原理 ↗
LLM 负责不确定性决策，
“确定性执行”指按明确命令和程序规则执行，不意味着结果必然正确。
Bash 负责确定性执行。
比如“整理这批学员作业，找出常见问题”，目标里有很多模糊判断，由模型理解和拆解；读取文件、统计数量、生成文档，则交给工具执行。
- CLI：通过文字命令操作工具的接口。
- Shell：解释和执行命令的程序。
- Bash：一种 Shell。
Bash 是很有用的工具入口，但 Agent 也可以直接使用 API、文件工具或浏览器。GNU Shell 定义 ↗
真正关键的是这个循环。工具会按命令执行，但命令也可能错。所以用 AI 时，我更看重它拿出了什么验证证据。
不要只要求 AI 少犯错，
还要让错误能被发现。
Claude Code 是我的个人分水岭，不是 Agent 的发明者。它在 2025 年 2 月 24 日以研究预览形式推出；此前的 ReAct 等研究已经探索推理与行动的循环。发布公告 · ReAct 论文
把“这类事怎么做好”沉淀下来
Agent 会用工具以后，还需要知道你的业务怎么做。同样是整理作业，老师关心知识误区，运营关心提交率，班主任关心哪些学员需要跟进。
这些判断标准，就是业务 know-how。把它写成流程、配上样例和检查标准，就可以沉淀成 Skill：让 Agent 下次遇到同类任务，按这套方法工作。
例如，一个课程制作 Skill 可以规定：
学习目标 → 学员基础 → 核心概念 → 演示案例 → 练习 → 验收。
其中最有价值的，往往是你的判断：什么例子适合小白，什么错误说明学员没理解，怎样才算学会。
长期工作规则：项目背景、通用规范、常用命令、必要资料入口。
某类任务的方法：核心流程、判断条件、验收标准及资源入口。
详细业务资料、可执行程序、模板和样例。
name 标识能力，description 说明做什么、何时使用。前两种工作指引不要求这些 Skill 元数据；关键规则可以写得具体，SKILL.md 也不能只剩指针。
先知道有哪些能力，再读选中的方法，需要时补充细节。这就是按需加载。Agent Skills 规范 ↗
Skill 通过提供指令和资源影响执行，不等于重新训练模型。工作指引要精简，较长资料按需读取；Claude Code 的 @文件路径 导入会加载被引用的内容，不会自动节省上下文。文件导入说明
工具提供行动能力，
Skill 沉淀做事方法。
从做一次，到持续帮你工作
OpenClaw 带给我的另一个启发，是 Agent 可以有一个持续在线的工作环境。
它的 Gateway 长期运行，连接消息入口；记忆保存到外部文件；配置好的调度机制可以在指定时间唤起任务。运行架构 · 记忆机制 · 调度机制
因此，“加一台服务器”只讲到了硬件。更关键的是：运行环境持续存在，任务状态能保存，任务可以被消息或时间触发。
例如，每周整理新交的作业，按课程标准分析，生成一份待你审核的反馈。
持续在线也不等于模型一直在思考；很多时候，是系统等待触发，再调用模型。
我会把 Personal Agent 理解为：在这些能力上，进一步围绕一个人的偏好、资料、账户和长期任务组织服务。OpenClaw 已经包含其中不少能力；其他产品也可以独立实现类似机制，并不一定建立在 OpenClaw 上。
Muse 与 Hark：这类工具有什么新鲜感？
它们把个人记忆、账户连接和执行能力，包装成普通人能直接使用的产品。你用自然语言交代事情，产品负责组织后面的步骤。
Muse
Meta 的个人 AI Agent
- 消息式入口：通过 Muse 应用、网页或 WhatsApp 交代任务。
- 后台执行：在专属云端虚拟机与浏览器中推进邮件、旅行安排等任务，关闭应用后仍可继续。
- 个人记忆：记住偏好与长期目标，支持主动建议。
- 控制与确认：用户选择连接哪些账户；官方说明发送邮件、购买等敏感行动需要确认，并提供行动记录。
Meta 于 2026 年 9 月 8 日发布；官方介绍为美国市场逐步开放。AI 眼镜入口仍属后续计划，不能当作已全面可用的功能。
Meta 官方介绍 ↗
Hark
把事情组织成可执行的行动
- 持续对话与记忆：在同一对话中交流，用 Projects 组织旅行规划等较大的任务。
- Handoff 执行：在个人专属电脑与完整浏览器中做调研、下单、制作网页或幻灯片。
- Action Buttons：根据待办建议行动，点击后启动执行。
- 自定义 Panels：用自然语言创建个人面板或小应用，查看连接服务的数据。
官网列出网页、iOS、Android 入口，并说明需要批准的操作会征求用户同意；具体可用性以账户和服务支持为准。
Hark 官方介绍 ↗
这里介绍的是官方披露的功能，不是我们实测后的成功率。Muse 指 Meta 的个人 Agent 产品，Muse Spark 是模型名称。上面的差异是帮助理解产品侧重点，不代表谁更强。
从这些例子里，我看到的方向是：AI 开始把“理解你、记得你、能行动”放进同一个产品里。但能不能帮你，最终还要放回你的真实任务中检验。
有兴趣了解新工具，没必要每个都追
没必要追新工具。
找适合自己的，把事情做成就行。
如果你常用的工具已经能把工作做好，就继续用。只有新工具解决了一个实际卡点——比如需要后台运行、连接某个账户、少掉几次手工操作——才值得试。
任务它能完成我的具体工作吗？
连接我的资料和账户能接进去吗？
检查我能看见过程、核对结果吗？
成本省下的时间值得学习和付费吗？
遇到任何新产品，还可以继续问：它记得什么？什么时候会行动？哪些动作需要我确认？用一件真实任务试过，比看十个演示更能判断是否适合自己。
这件事，到底需要哪些能力？
Chat、Agent、Skill、API／MCP、在线运行环境，解决的是不同问题。它们可以组合，但不用每次全部配齐。
先看任务缺什么，
再补对应的能力。
| 方式或组件 | 什么时候用 | 它的边界 |
|---|---|---|
| Chat 对话 | 材料已提供，主要需要解释、讨论、翻译、改写、设计课程大纲或诊断论证。 | 纯 LLM 不能直接读取未提供的文件、查实时数据或操作账户。聊天产品若有搜索、计算工具，可在原界面使用。 |
| 脚本／固定工作流 | 步骤和规则已确定：批量改文件名、计算完课率、定时导出报表。 | 按预设流程执行，难以独立处理开放式例外。可以只在需要理解文字的某一步调用 LLM。 |
| Agent | 需要把任务实际推进完，且下一步要根据结果决定：查文件、修改、运行、检查、出错后调整。 | 只能使用现有工具和授权范围内的资料。多步骤、任务很大或要求准确，都不自动意味着必须用 Agent。 |
| Skill | 某类任务需要特定做法，或同一业务反复执行，需要复用流程、口径、模板和验收标准。 | 提供“怎么做”的方法；不会自动安装工具、授予权限或让任务按时启动。一次性任务可直接说明要求。 |
| API／MCP 等连接 | 所需数据或动作在外部系统：读取飞书作业、查询订单、写入 CRM、发送邮件，而现有工具还不能访问。 | 连接能力与权限分开：有工具，还要有合法凭证、操作范围和资源访问权；能读不等于能写。 |
| 调度与在线运行环境 | 希望人在场外仍能执行：明早运行、每周生成、收到新作业触发、持续监测并提醒。 | 需要可靠的触发、执行、状态保存和通知。可用托管服务或按需运行，不必自己租一台 24 小时开机的服务器。 |
流程固定时优先考虑工作流，需要模型根据环境反馈决定下一步时才增加 Agent 的自主性。依据：Anthropic：Building effective agents。
Chat 是界面，Agent 是工作方式
在聊天框里，产品也可能调用搜索、代码或浏览器；这并不要求你切换到一个名字里带 Agent 的软件。关键是：它是否能调用所需工具、观察结果，并继续推进。
“帮我润色这段招生文案”通常对话就够了。“把文件夹里的二十份作业按标准分析，生成每人反馈，再检查遗漏”，更适合具备文件处理工具的 Agent。若只是计算一份表的准确合计，计算工具就可能够用。
Skill 管方法，API／MCP 管连接，权限管能做什么
API 是某个系统提供的程序接口；MCP 是向 AI 应用提供工具和资料的标准协议，常见 MCP 服务会把已有 API 包装成可发现、可调用的工具。现成连接能满足任务时，无须重复搭建。
接入 MCP 不等于获得权限。是否能操作，还取决于登录或授权凭证、读写范围、具体文档或数据的访问权，以及执行环境允许的动作。写一句“你可以访问飞书”，不能代替真正的授权。
有合适的官方 API 或连接时优先用；也可以通过已登录且获授权的浏览器操作，但界面变化、登录失效等可能影响执行。MCP 本身也能连接本地文件工具，并不限于外部账户。
定时任务需要运行条件，不必有“自己的服务器”
产品已经提供云端定时执行，就可以直接使用；自己搭建时，可用持续在线的本地机器、云服务器，或由云端调度器按时启动一次任务。
OpenClaw 的调度发生在 Gateway 进程中，因此 Gateway 要运行，计划才会触发。模型不必一直思考。如果任务要访问本地电脑独有的文件或软件，这台电脑仍要在执行时在线且可访问。
每天汇总固定数字，可能只需要定时脚本；每天分析新反馈、发现异常并决定进一步查什么，才可能需要定时唤起 Agent。运行失败时的重试、重复执行的处理和通知，也要有安排。
依据：OpenClaw 调度运行机制。
用同一个业务，看清需要补什么
“帮我设计一套作业评价标准。”
先在 Chat 中讨论，把标准想清楚。
“按标准分析我上传的三份作业。”
聊天产品能读附件、任务规模可控，就可以继续在原界面做。
“处理整个文件夹，并生成每人反馈文件。”
用有文件读写、执行和检查能力的 Agent；固定处理环节可交给脚本。
“以后每期都按同一口径分析。”
把评价流程、边界情况与验收标准沉淀成 Skill。
“直接从飞书读取，并写回对应记录。”
先确认已有连接；缺少时接 API／MCP 等工具，并配置所需读写权限。
“每周一自动完成，结束后通知我。”
增加调度和可用的执行环境；无需为了这件事让模型整周运行。
选工具前问五个问题：只是讨论，还是要执行？流程固定，还是要临场判断？方法能否复用？资料和操作能否访问？我不在时是否也要运行？
任务的上限，不只取决于模型聪不聪明，也取决于资料是否拿得到、工具是否支持、权限是否足够、结果能否验证、运行环境是否可用。
小白最关心的几个问题
“AI 创造容易，修改难”，怎么办？
修改要理解已有内容，还要保留你满意的部分。把原稿、修改位置、保留要求和验收标准一起给它。
比如：“只改第二段，保留案例和结论，控制在两百字内，列出改动。”涉及代码或复杂作品，先保存版本，再做小步修改，每步检查。
怎么确认 AI 给的数据是真的？
把事实、计算和判断分开：事实查原始来源与日期，计算用程序，判断说明依据。
让它指出每个关键数字来自哪里，并抽查。引用、搜索、测试都能增加证据，但没有一种单独保证全部正确。
怎么用 AI 辅助教学、做课程？
先确定“学员学完能做什么”，再让 AI 辅助设计讲解、例子、练习和反馈。
让它模拟零基础学员，指出跳步和术语；让它生成常见误解，帮助设计练习。老师审核事实、难度和答案，再用真实学员表现检查教学效果。
课程质量，要看学员能不能完成任务。
不会编程，也能用 Agent 吗？
可以先从整理资料、批量处理文件、生成报告开始。界面可以是聊天框，也可以是桌面应用。懂一点文件、数据和验证方法，会更容易判断它有没有做对。
我的业务，从哪里开始？
挑一件反复发生、输入拿得到、结果容易检查的任务。先共同做成一次，再整理方法，重复验证，最后考虑定时运行。
把话题交回现场
你每周都要重复做，
又能判断好坏的那件事是什么？
从这件事出发，判断需要哪些资料、工具、方法和验证。先解决一个真实问题。
资料与核对依据
产品信息核对日期：2026 年 10 月 9 日。产品会继续变化；本页的四部分是教学框架，不是严格的技术定义或产品演化史。