AI Agent，普通人也能抓住的AI技术的第一波红利_个人agent训成本

AI时代，普通人该如何参与，并抓住第一波时代红利？或许我们可以基于成熟的平台来创建AI助理，让个体用于思考问题、解决问题的方法和工作流，实现可复制和被变卖。

一、你的能力和经验

一个趋势，所有大模型厂商都在布局智能体，比如钉钉这款覆盖面巨大的软件，就推出了由通义千问承担底座的钉钉AI助理，并在4月18号正式上线了AI助理市场（AI Agent Store）。企业、个⼈⽤户、开发者开发的AI助理都可通过上架市场，分享给更多⼈。其他厂商也在跟进智能体这件事，比如百度旗下的“灵境”、讯飞星火旗下的“星火助手”等等。

恰好，这两天看了钉钉举办的AI助理创造大赛，里面不仅有航空公司、芯片公司这类的专业选手，也有很多养猪、公安的比较有话题性的Agent打造者，也不乏DIY赛博财神、考研考公的素人选手。挺有意思，值得关注的是这些人、这些公司真的在用AI做事了。

我们先看看，为什么几乎所有大模型厂商都在布局智能体？我们先从大模型的日常使用说起。

在大模型的日常使用中，不少人可能都有类似感受，即大模型的输出总是不太靠谱，甚至到了现在，AI幻觉这一问题依旧不能被消除。即使我们在不断地做提示词优化，类似的问题依旧在不断发生。

所以，提示词工程解决不了普通人用AI的问题，在大模型主要以对话式窗口作为呈现样式的当下，用户需要一个专门的“窗口”来解决问题，即不需要通过提示文字或者修改提示词，用户打开对话框，调起相应的窗口（比如智能体，比如Agent等）即可直接解决问题。卖提示词和提供提示词优化解决方案是错误的方向，我们应该开发专门的工具来满足用户需求。

而“窗口”就是智能体，即AI Agent。

2010年左右是移动互联网时代，时间快进到2015年以后，短视频平台疯狂涌现；在这些时间段里，我们可以抓住的红利并不是直接开发或搭建相应的手机系统或者短视频平台。当下也一样，AI时代的红利并非搭建大模型，而是在大模型生态中搭建一个应用。Agent就是这样的一个个应用，我们可以基于需求去调教机器人，通过反复的调试优化，让最终的解决过程实现标准化：

1.提示词标准化；

2.工作流标准化。

同时这个标准化流程，或者说这个智能体是可以同步给他人使用的，其他人亦可以在智能体里得到答案。这意味着，这套思考问题、解决问题的方法和工作流将可以被复制和变卖，人的能力可以被转化为服务和赚钱的机会。

尤其在AI时代，用户在使用Agent的过程中可能存在信息差，但这类信息差已经可以被大模型弥补。

二、唯场景和想象力

为了最大化地发挥智能体的价值，我们需要弄清楚场景和表达力这两大关键因素。

我们首先要明确一个问题，即限制我们使用AI的，并不是AI的能力，而是我们的想象力和表达能力，工作和生活中的所有流程都可以被AI重构，只是大多数情况下，我们没有想到重构的方法。比如我询问一个智能体如何记住“windfall”这个单词，它给出了非常不错的联想：

这其实就是“想象力变现”。

怎么先人一步地将想象力落地并表达出来呢？想明白三件事情。

1.你擅长什么？这是你的立身之本。

2.用户需要什么？你的AI助理，究竟可以解决什么样的需求？

3.如何呈现自己的价值？做好助理配置。

另外可以多问问自己4个问题：

1.这个问题，AI 能不能做？为什么？它做比我做优势是什么？

2.我应该如何向 AI 描述这个事情？可以让 AI 重复帮我执行么？

3.这个技能“教给”AI 能不能产出更好的内容？如何总结成 AI 可理解的表达？

4.不要服务于流程，争取去做那些能够服务于人的工作。

在自问完这些问题之后，相信你心中会有一个智能体的大概框架。

那怎么搭建智能体？这其中牵扯到了表达能力。你可以将大模型当作一个非常聪明的实习生，所谓“表达力”，其实就是给实习生写一份指定工作的SOP文档。当大模型实习生叠加SOP，这便是你调教出来的Agent，它可以重复地服务于别人，甚至达到变现的目的。

三、常见需求和工作流

基于钉钉AI助理，我们可以结合3个具体案例来感受Agent的魅力。

1. 基操：搭建一个帮你处理日常办公琐事的智能体

这个智能体可以帮助我们进行文字整理、日程管理等等工作。当我们将需求输入给智能体，智能体拆解需求后，将调用大模型的文字编辑和文字识别能力，调用完之后再返回给Agent，由Agent对大模型生成内容做进一步的梳理。

举个例子，我们可以给Agent发送一句话：

“下周三3点半，和总裁汇报XXX事情。”

Agent在接受信息后，会让大模型将这句话中的对象、时间、事件提取出来，在大模型将内容按照一定格式返回给Agent之后，Agent可以调用钉钉的日程管理、会议管理等技能，帮助用户直接搭建相应的日程。

又比如在做电商的过程中，业务人员需要做竞品调研，在条件限制的情况下，业务人员可能直接多选页面上的所有用户评价，并发送给智能体。此时，智能体可以在收到内容后将错乱的内容按照指定的格式进行整理，并且在整理好了之后，直接输入到多维表格中。

用户还可选择钉钉应用并让AI助理学习操作路径，AI助理后续即可根据用户的自然语言输入模拟真人进行页面的操作，提升高频操作行为的操作效率，即拟人化地“看”用户真实操作一遍就学会了：

1.像真人一样看懂内容；
2.推理出怎么操作；
3.然后有手去操作——眼睛、大脑、行动系统（感知、决策、执行）。

比如：维修工单提交需要每次手动在工作台里找“XXX”应用，再进入应用里找到填写入口、填写信息，流程繁琐需要跳转。配置拟人操作后，只需要和AI助理说“帮我提交干燥剂的故障，申请故障，描述是机器运行，有很大的噪音”，便会自动唤起一个执行卡片，信息确认无误后就开始执行，执行后会跳出已经填写好的表单，由用户最终确认后提交。

2. 进阶：让智能体参与内容创作和运营工作流

假设我们需要让AI帮助创造爆款文案，我们可以将个人掌握的能力、经验和方法论如短视频创作方法论、私域营销文案方法论等上传，让智能体拥有我们的方法论与工作流。

比如上传二极管标题法，让Agent选择这一方法论，学会创造出可以挑起用户情绪的爆款文案：

比如上传情绪化选题公式，让Agent依据相应的选题公式组合出情绪化的选题：

让Agent拥有知识“百宝箱”，把活儿干得更漂亮。

值得注意的是，工作流能力使得AI助理能批量处理更复杂的任务。它是 AI Agent 的一种进阶玩法，不仅可以在创建时对 AI 执行任务的流程进行拆解和编排，使得 AI 助理可以主动接管完成相应操作，还能够打通外部的系统数据和 API 能力，进一步扩展了它的行动能力，比如搭建能自动写脚本并生成视频的创作 AI 助理。

3. 超神：用AI助理把“查询搜索”玩出花

除了处理日常任务和创意工作，智能体的另一个强大功能是其对企业内部数据的调用能力，这为企业内部支持和决策提供了新的视角。我们还可以让Agent自由地调用企业内部的数据和知识，如员工手册、各部门技能要求等，将各类内容填充至知识库中，让AI成为数字客服，提供内部支持。这个时候，Agent可以依据员工问题进行知识库搜索和调用，大模型将调用的内容进行编辑，并由Agent返回给用户。

甚至可以自行创建AI助理，比如可以通过自定义功能、添加工作流、连接API接口等方式来处理问题。

举几个例子。

1）原先，天气预报APP可能会和企业的服务器做互通，从而为用户提供天气预报信息。而现在，这套互通的能力可以放到智能体中，由智能体来请求公司的API地址，并将天气信息发送至公司服务器。这就是基于连接API接口的方式来解决问题。

2）我们还可以借助智能体来共建知识库。假设公司内部建设了一个AI助理，此时我们可以添加自定义能力，让AI助理将超出知识库的问题存放至表格中，随后由其他负责人添加答案。后续若有人再问同样的问题，答案也就有了，这就是知识库共建。此时我们结合工作流能力自定义了AI的干活方式（工作流自定义展示）：

四、结语

在AI时代，“想象力就是生产力，”AI技术的普及也对个人能力提出了新的要求。在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

而普通人完全可以基于成熟的平台来发挥创造力，比如基于钉钉等平台，我们可以反向接入模型来做AI助理产品，避开“拿着锤⼦找钉⼦”的陷阱。

理解并掌握AI Agent，是普通人在AI时代可以抓住的第一波红利。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

理解并掌握AI Agent，是普通人在AI时代可以抓住的第一波红利。