《AI智能体实操指南》读后：智能体的门槛不在模型，在"会不会拆事"

2026-10-30silcano

阅读方式：微信读书网页版，从版权页翻到后记，共 363 屏、9 章、7 分 44 秒。 这是一本操作手册，不是一本讲原理的书。所以我不打算复述它怎么点按钮，只挑三件真的能带走的东西。

先说结论：这本书的价值不在"教你用 Coze"，在它把"做个智能体"这件事拆成了四层——基座、提示词、插件、工作流与知识库。四层里，前两层决定它像不像样，后两层决定它能不能交差。

而那些点按钮的截图，一年后平台改版就全废了；拆解问题的方式不会废。这是我对这类工具书的唯一评价标准。

一、选基座：先认怂，别硬挑"最强模型"

书里第 2 章把主流大模型挨个过了一遍，最后给的选型建议落得很实，没有玄学：

书里有一句话我觉得比这张表更重要："对大语言模型的选择如同打地基，直接决定了智能体的性能上限。"

这句话反过来读才有意思——你后面所有的提示词优化、插件编排，都只是在逼近这个上限，不可能越过它。 所以看到有人拿一个弱模型硬堆工作流，还抱怨"智能体不聪明"，问题其实在第一步就定了。

顺带记一个书里的平台对比，也是很多人踩过的坑：GPTs 功能封闭，不能自定义底层模型，而且默认使用用户数据参与训练，需要手动去关；Coze 可以切模型、有插件生态和长期记忆模块，还能一键分发到抖音、飞书。真要做能上线的智能体，这两条差异是决定性的。

二、CORE：把提示词当接口文档写

提示词那一章，书里给了一个四步框架叫 CORE。我认为这是全书最可复用的一块：

• C — 角色：你是谁、用什么语气说话。
• O — 目标：这轮到底要交付什么。
• R — 规则：先理解用户背景→提取关键问题→给个性化建议；遇到不清楚的地方，优先提出澄清问题。
• E — 输出规范：编号列条、每条 50–80 字、语气正式且鼓励、分段清晰不出现废话。

R 那条里的"优先提出澄清问题"，是整章我最想抄走的一句。

因为默认状态下，AI 有个坏毛病：信息不足也硬答。 你问得含糊，它答得比你还自信。而一个真能干活的人，第一反应是"等一下，你说的这个是指哪种情况"。把这条写进规则，等于给它装了个刹车。

E 那部分则是很多人忽略的：输出格式不是装饰，是可用性。同样一份建议，一段 800 字的流水文字 vs 五条编号、每条带小标题，后者你才真的会用。

三、插件：从"会说"到"会做"的那一步

第 4 章是全书最长的一章，因为它把插件一类一类列了出来：OCR 认图取字、Doc Maker 生成文档并转 PDF、数据可视化出柱状图、天眼查查企业工商信息……

但真正点题的是它对插件价值的总结：让智能体完成从"理解指令"到"拆解执行"再到"成果输出"的闭环，让 AI 从被动回应变成真正意义上的自主工作助理。

书里举的代码执行器那个例子特别朴素——让智能体写一个网页版房贷计算器：支持公积金贷 3.3%、商业贷 4.9%，等额本息和等额本金两种算法，输入即出每月还款额。

这个例子的精妙在于：它不是"写代码"的能力展示，而是"你有需求，它交出可直接用的东西"。 计算器能下载、能离线打开、不用你懂任何公式。这就是"会说"和"会做"的距离。

四、工作流：智能体真正的分水岭

如果这本书只让我留一章，我留第 5 章。

书里给的拆解路径是四步：意图解析 → 数据检索 → 核心处理 → 结果输出。每个节点各司其职、互相解耦。为什么要解耦，书里说得很明白——

"即使某一环节需要调整或升级，整个工作流仍然稳健，不会牵一发而动全身。"

还有一句更狠的："当我们能把'大事'拆成一系列'小事'时，往往对问题的理解也更加透彻。"

这句其实是在说人。很多"智能体做不出来"的项目，卡的不是技术，是提需求的人自己没想清楚这件事分几步。你拆不出来，它就编排不出来。

四步之后是路径规划：线性流是最简单的；复杂一点是条件分支（信息够了就跳过检索，检索为空就走"抱歉，未找到信息"的兜底路径）；再复杂是循环反馈（失败就重试，直到满足条件）。书里那句"确保无论用户怎么提问，流程都有合理走向"，翻译过来就是：把失败路径也当成正式需求来设计。

书里跑通的完整案例是"城市气象卡片智能体"，流程是：输入城市与时间 → 调天气插件拿当日数据 → 用大模型拼接问候语 → 生成配图 → 输出一站式卡片。书里特意强调了一句容易被跳过的话：注意流程中的数据传递，步骤 (a) 拿到的天气信息要用于步骤 (c) 的内容生成，确保每一步衔接合理、没有遗漏。

这就是工作流最容易翻车的地方——节点都搭对了，变量没接上。

五、知识库：给它一副"专属记忆"

第 6 章讲知识库，把数据分成三类，这个分类法建议直接背下来：

结构化数据——严格格式，表格或关系型数据库，有明确行列和字段定义。适合 FAQ 系统（问答对存表，客服据此快速检索）、产品参数查询（用户问某参数，直接匹配字段）。
半结构化数据与非结构化数据——适用于文档、图片、音视频这类没有固定字段的素材。

书里对这个模块的定位说得很准：知识库相当于赋予智能体一套"专属记忆"，让它不仅能思考，还能"知晓"。

思考和知晓，确实是两件事。前者靠模型能力，后者靠你喂给它的东西。这也解释了为什么同一个模型，接了公司知识库之后，回答质量会突然"像内行"——不是它变聪明了，是它终于知道你在说什么了。

六、核心知识图谱

七、我的保留意见

说完好的，说三点不舒服的地方，也算对得起"读完"这两个字。

第一，后半本的案例章节在递减。 第 7 章一口气给了 10 个案例（语音转写、会议纪要、电商情绪分析、私域成交、小红书笔记、高级感文案、儿童绘本、哄娃神器、作文评改、语文学科通），第 9 章又列了 6 个外部产品（Cal.com、Canva、YouLearn.ai、Fitbod、TalkPal、mindtrip）。但翻到后面会发现，很多案例的差别只是"换个提示词 + 换个插件"，方法论在第 5 章已经讲完了，后面更像产品目录。

第二，截图密度太高。 363 屏里相当大比例是 Coze 后台界面截图——这对当天照着做的人有用，对一周后想复现的人几乎没用，因为界面会变。我自己读的时候，遇到连续整屏截图会跳读，只记它这一步在干什么，不记按钮在哪。

第三，绑定单一平台。 全书以 Coze 为主线，好处是路径唯一、不会迷路；坏处是那些"平台已经帮你封装好"的部分（工作流画布、知识库切片、插件市场），恰恰是最值得理解原理的部分。学完会用，但不太知道它底下在干什么。想补这块，得另找讲 RAG 和 Agent 框架的书。

不过话说回来，一本 2025 年 9 月才出的工具书，能在一年的窗口期里把"四层结构"讲清楚，已经算尽到责任了。工具书本来就有保质期，认这一点，就不会苛求它。

八、一句话收尾

这本书如果只能留一句，我留它反复在讲、但没有明说的那一句：

智能体的门槛不在模型，在你能不能把一件事拆成可执行的步骤。

模型决定上限，提示词决定下限，工作流决定它到底能不能替你干活。而"拆解"这件事，模型替不了你——它只能执行你想清楚的部分。

---

阅读记录：微信读书网页版 · 逐页翻阅 363 屏 / 9 章 / 7 分 44 秒 · 覆盖率 100%（版权页至后记）
《AI智能体实操指南：Coze Agent 从搭建到落地全攻略》 陈灵军 著 · 电子工业出版社 · 2025-09