# 如何把 Agent 放进真实工作流

**作者** Aklman · **首发** 2026年6月8日 · **语言** 中文
**原文与最新版** https://aklman.com/zh-cn/sessions/build-with-agents/
**站点** Aklman · aklman.com

> 这份分享来自 Aklman。允许 AI 摘读、引用和问答；引用或转述时请保留作者署名与原文链接。

---

## 摘要

一次面向社群的短分享：把 Agent 从工具列表重新表征为上下文、角色、交付物和反馈组成的工作系统。

## 场景

- 形式: 社群分享
- 平台: WeChat Group
- 时长: 35 min
- 主题: AI Agents / Workflow Design / Human Agent Collaboration
- 演示: https://aklman.com/zh-cn/sessions/build-with-agents/slides
- 演示 PDF: https://aklman.com/zh-cn/sessions/build-with-agents/slides/print
- 打印: https://aklman.com/zh-cn/sessions/build-with-agents/print

## 大纲

1. **重新表征 Agent** — 不要从模型和工具开始，而要先定义它在工作里的位置。
2. **压缩成工作图式** — Context、Role、Artifact、Feedback 是更容易复用的四个组块。
3. **理解 Doer / Tutor** — 同一个 AI 行为，可以强化工作，也可以偷走学习。
4. **形成解释框架** — 控制输入量，推动主动加工，让知识可迁移。

## 讲稿

这次分享把重点从“选什么工具”转向“怎样设计可重复运行的工作系统”。

真正有用的单位不是一句 prompt，而是一条回路：上下文进入，角色行动，产出交付物，反馈写回下一轮。

最后带走的不是技巧清单，而是一张内在地图：下次更快识别局面，更稳判断路径。

## 演示

1. **Agent 不是工具列表**
   - 01 / Reframe
   - 更准确的表征是：Agent 是被放进上下文、角色、交付物和反馈回路里的工作单元。
   - 工具关注能力
   - 工作流关注位置
   - 系统关注反馈
2. **三个主要对象**
   - 02 / Resources
   - 一个真实工作流不是聊天记录，而是一组可以被识别、分配、检查和复用的对象。
   - 1 / 上下文: 目标、资料、限制、历史决策和当前状态。
   - 2 / 角色: Reader、Planner、Reviewer、Writer 只是工作边界。
   - 3 / 交付物: 文档、任务、判断、代码或可继续迭代的记录。
3. **一次协作的流动**
   - 03 / Flow
   - 工作不是一次问答，而是一个能重复运行的回路：目标进去，判断回来。
   - Input / 设定目标: 先讲清要解决什么、边界在哪。
   - Context / 整理上下文: 把资料、约束和历史决策交给 Agent。
   - Run / 执行记录: 运行工具，产出可检查的交付物。
   - Feedback / 写回判断: 把人的取舍变成下一轮的上下文。
4. **Doer 和 Tutor 的分界**
   - 04 / Doer vs Tutor
   - 同一个 Agent 行为，可能是在帮你形成心智模型，也可能是在替你绕过心智模型。
   - Doer / 直接交答案: 省掉搜索，也省掉理解、取舍和内化。
   - Tutor / 逐步给支架: 降低外在负荷，但把关键判断留给你。

---

*Aklman · aklman.com · 最新版本: https://aklman.com/zh-cn/sessions/build-with-agents/*