人人都需要的通用智能体助手：Manus+扣子空间+秒哒+AutoGLM沉思实操指南

过去和未来一段时期内，大概每个月或每几个星期都会出现一本这样的书吧。把它当作一个搜索结果，在其时效性内，这样的内容还是有些价值的。我个人感觉把通用智能体定义为“基于大语言模型的AI工具”有点奇怪，因为所谓的通用智能体，似乎“就是”一个大语言模型，其特殊功能通过prompt就能实现，其使用工具的功能主要依靠的应该也是MCP。所以，与其使用本书中提到的各个工具，我感觉cherry studio等自由度高一些的AI客户端更好用，能更便捷地选择不同模型。 而且，我想目前AI能做的主要还是文字工作，或者说符号工作，超越符号的东西AI做不了。比如书中提到的旅游攻略，攻略本身当然是符号的，但旅游不是，旅游是关于肉身的。AI没有肉身，它只是在符号与符号之间旅游，它能给出的旅游攻略因此是苍白的。我们是如此熟悉符号，以至于仅仅用符号描述的未知之地是如此熟悉，如此没有魅力。目前（仅仅是目前，AI大概还有不少发展潜力），AI最适合的工作还是纯符号的，比如编程，比如一些文字工作——始终是工作，虽然似乎有人擅长与AI闲聊，但我认为那只是一种错觉，或者说暂时的新鲜感。我的想法当然不一定对，后续可以再研究。 本书第三章是关于提示词（prompt engineering）的。提示词很重要，目前AI的输出质量，在一定程度上取决于输入的质量，因此值得整理一下书中提出的提示词方法论： 1. 清晰明确原则。简洁、直接的语言精准描述期望通用智能体执行的任务，避免模糊、有歧义或过于复杂、重复性地描述。如果对输出的格式有特定要求，如文本长度、段落数量、列表形式、特定的语言风格等，那么要在提示词中明确说明。 2. 背景充分原则。为通用智能体提供完成任务所需的相关背景信息。这有助于它生成更贴合实际需求的内容。通过设定具体的场景和角色，我们可以引导通用智能体从特定的视角进行思考和输出。比如，“你是一位经验丰富的心理咨询师，面对一位因工作压力而焦虑的来访者，请提供一些应对建议”。 3. 合理约束原则。明确任务的边界和限制，防止通用智能体生成不符合预期的内容。如果任务涉及特定的知识领域、词汇范围或数据来源，那么要进行明确限制。 提示词设计6要素： 1. 角色设定：明确通用智能体需要扮演的角色。 2. 任务目标：具体说明需要完成的任务及执行步骤。在设定任务目标时常常使用动词+结果的句式（如“生成”“分析”“设计”），尽可能量化结果。 3. 背景信息：提供完成任务所需的上下文信息。 4. 约束条件：限制输出范围或行为准则。 5. 输出格式：规定输出内容的形式。 6. 调用工具：明确任务执行中需要调用的工具或外部资源。 提示词设计准则最大的作用，不是自己按照准则去写提示词，而是将其转化为系统提示词，让AI作为专门优化提示词的智能体工作。

AI距离一句话生成高质量的标准产品还有很远的距离，本书提供了一种让生成内容更专业、更高效的方法，并用大量真实操作案例进行演示。 1. 真正决定输出质量的，永远是你对问题本身的理解深度。 AI能快速产出不错的产品更能快速迭代，甚至能接住老板那种「既要又要」听上去不太讲理的要求。这一点，比我预想的要有价值得多。新人最缺的是两样东西：提问能力，和「心里没有标准」。拿到一个任务，不知道该问什么、也不知道什么算做得好。AI 刚好能补这块——你让它给几个版本，你比对一下，标准慢慢就长出来了。成长周期能被明显压低。熟练的从业者。他们本来就有判断力，缺的是时间。把重复的、可流程化的活儿交给 AI，精力留给真正需要判断的部分。尤其可以流程化的工作，将会得到更好的效果。 2.想要高效低费使用AI，需要不断尝试和学习总结经验（先去抄作业从开源社区直接获取类似、其他人的使用经验贴、官方文档）。现在的模型分好几档：有快的、便宜的，也有慢的、贵的、推理强的。能用便宜模型解决的，不要用贵模型。判断标准很简单——如果你自己几分钟就能干完的事，别动用强推理模型。工具类 AI 调用成本不便宜（扣子消耗是真快），好在各家还在发展期，常有赠积分活动，正好拿来练手——练提示词怎么写、模型怎么选。 3.使用AI如何提问和布置任务至关重要（构建提示词）在构建通用智能体的提示词时，掌握一套系统化且简便、有效的设计方法至关重要，致力于在第一次就产出接近标准的文件。后续修改变动太少， 4.提示词设计框架众多，书中给出提示词设计 6 要素（角色设定、任务目标、背景信息、约束条件、输出格式、调用工具），还简单提及诸如“BROKE”框架、“ERA”框架、“APE”框架、“BRTR”框架、“SPAR”框架、“CRISPE”框架等。

在书中的“案例实操”部分，以下几组场景最能集中展现通用智能体的核心能力： 1. ​​研究类任务：行业/市场分析报告​​ • 任务要求智能体自主收集数据、梳理历史脉络、分析竞争格局并提出策略建议。 • 体现能力：多源信息检索、结构化分析、长文本生成与策略洞见。 2. ​​办公自动化类任务：票据批量识别与信息整理​​ • 用户上传多张发票或物流单据，智能体批量识别关键字段并输出电子表格。 • 体现能力：多模态输入、批量处理、结构化数据提取。 3. ​​数据分析类任务：特斯拉股票数据分析​​ • 通过自然语言指令完成数据拉取、清洗、分析到可视化的一站式流程。 • 体现能力：调用数据库与 API、实时反馈、结果呈现。 4. ​​应用开发类任务：秒哒无代码应用开发​​ • 非程序员用户用自然语言描述需求，秒哒自动拆解为多个角色协作并调用上百个工具完成应用发布。 • 体现能力：无代码开发、多智能体协作、工具集成。 这些场景覆盖了“研究-办公-数据-开发”完整链条，充分展示了通用智能体在不同环境下的理解、规划与执行能力。

前面几章看看了解一下 智能体能干什么就行， 后面的基本都是没什么重要的内容，基本都是 ai 输出的东西，纯粹堆字数。 总体给到 npc 的水平。

没啥意思，每个章节和场景，基本一致，无新意无干货，全是基本概念，可读性不高。

这本书的作者是我以前做企业管理咨询的领导，是个非常有企业实战经验，且做事极其认真负责任的人！！！ 打call🥳🥳