企业官网建设流程全解析

到 2030 年，AI 会创造 1.7 亿个新岗位。但那不是陪 AI 聊天的岗位，而是搭建 AI agent 的岗位。

Dan Martell 说，他和团队养着几百个 AI agent，干掉了公司 92% 的活。

而这套东西，你本周就能上手搭出第一个——哪怕你从没碰过代码。

这篇就把他的完整方法讲清楚：怎么判断什么活该交出去，怎么一步步把一个 agent 搭到能自己跑起来。看完你会有一个可复用的思路，套在你以后要搭的每一个 agent 上。

聊天是开会，agent 是员工

先分清两个概念。

chat（聊天）像一次开会：你问一句，它答一句，然后你拿着答案自己去干。

agent（智能体）像一个员工：你告诉它要什么结果，它把整套流程跑完。

Dan 用 DATA 四个字母拆解 agent 到底在干嘛：

Diagnose 诊断问题、

Assemble 搭方案、

Take action 执行、

Assess 自查并改进。

关键在最后这个"自查—改进"的闭环（loop）。没有闭环，它干完就停，那只是自动化（automation）；有了闭环，它会一直学、一直变好，像个真人。

一句话记住区别：chat 是它拉着你——问你要指令，你发它等；agent 是它推着你——它主动干、主动改，还回来跟你确认做对没有。

什么活才值得交出去：R 法则

不是所有事都值得搭 agent。Dan 用三个 R 来判断：

Repetitive（重复）：这活我每周都要干吗？

Rules-based（有规则）：同样的输入，是不是每次都产出同样的东西？

Return on time（时间回报）：搭它花的时间，最后真能把我的时间赚回来吗？

反例很清醒：如果一个任务只要 2 分钟，但搭 agent 要花 2 周——那就老老实实自己干那 2 分钟。偶尔才做一次、流程不清晰、省不下多少时间的活，别碰 agent，用 chat 就好。

AGENT：把一个 agent 搭起来的五步

Dan 把搭建过程编成了一个词——AGENT。全程用一个例子串起来：搭一个管你收件箱的 agent。

A：Aim，瞄准一个具体结果。

先想清楚你要的是什么结果，而不是每一步怎么走。就像爬山，迈步是任务，登顶才是结果。很多人搭 agent 搭砸，就是想控制每一步——但 AI 找路往往比你更强。

诀窍有三个：给它"为什么"而不只是"怎么做"；写一句能测量的"完成的定义"（DoD）；用"反向提示"（reverse prompting）——先告诉它你要的结果，再让它反过来问你需要澄清的问题。

拿收件箱举例，DoD 不是"帮我处理邮件"，而是：“每天早上 9 点，收件箱清空，回复已按我的口吻拟好，需要我处理的置顶标记，重要的一封都不漏。”

一条硬标准：如果你没法用一句话说清结果，你就还没准备好搭它。

G：Give，给它一个身份。

AI 开箱状态是"什么都懂一点，但什么都不精"。身份就是把它的能力聚焦到那一件事上。

Dan 引了一份报告：给航空公司做客服的 AI agent，一旦抽掉规则手册（也就是身份），成功率从 33% 掉到 11%——同一个模型、同样的任务，只因为忘了自己是谁，直接蠢了三倍。

具体做法是三个大白话文件：soul 文件（性格、怎么说话、有什么价值观）、identity 文件（名字、角色、DNA）、user 文件（它在为谁工作、你的目标和偏好）。

Pro tip：这三个文件别自己写，让 AI 写。给它你上一步的 aim，让它反过来采访你，再交回一份接近完整的模板。

E：Equip，给它装备。

像任何员工一样，agent 需要上下文、工具和系统登录权限才能真干活。Dan 把这一切比作一张桌子——这就是"上下文窗口"（context window）：桌上摆着流程手册、身份文件（它的"宪法"）、连接外部系统的工具、定时跑的节奏表；桌子底下的抽屉是它的记忆。

一句狠话：上下文就是护城河，垃圾进、垃圾出。 桌子塞太满会"context rot"——东西一多它就找不着、答得含糊。

怎么把流程喂给它？Dan 给了两招。差一点的是"摄像机法"：录下自己干活的屏幕，边做边讲解，让 AI 转成手册。更好的一招是从源头反向工程：直接连上你的 Gmail，让 AI 读你过去的邮件，自己总结出你的处理模式和风格指南。

对应的提示词是：连上我的邮箱，读我最近发出的 50 封邮件，研究我怎么写——语气、开头结尾、句子长短、常用词，然后写一份能抓住我口吻的风格指南；再拿它给一封未读邮件拟回复，我来告诉你哪里不对。

N：Narrow，把范围收窄。

搭出来那一刻你会很兴奋，想把所有活都塞给它。别。范围一宽，桌子就乱，它就开始犯糊涂。

原则是：一个 agent 只精一件事。Dan 自己就把"写代码"和"审代码"拆成两个独立 agent 协作。真正的解法是搭一个manager agent——它自己不干活，只负责把每个任务派给专门的 sub-agent，一个 agent 一条道，跨领域就再拆。他的编排 agent 叫 Kai：他只跟 Kai 说话，Kai 去调度底下所有 sub-agent。

这里还有个省钱的 pro tip：不同活配不同模型。Haiku 最便宜，适合排序、打标签这类简单高频；Sonnet 适合日常研究、写大部分代码；Opus 擅长推理、复杂搭建、当 agent 的管理者；刚出几周的 Fable 更像编排者/顾问，最擅长信息少的长任务，但也最贵。

Dan 的做法：搭 agent 时用 Opus 甚至 Fable，但让收件箱 agent 每 15 分钟跑一次时只用 Sonnet——流程都定好了，没必要动用天才级算力。他有一次重构代码，用 Opus 大概要 150 美元，改用 Haiku 只花了 1.5 美元。

T：Trust，分阶段放手。

Dan 说，搭 agent 其实是简单的部分，真正吓人的是"放手让它自己干"。尤其是让它替你写邮件——他也没一上来就全交出去。

分四步建立信任：先设护栏（在身份文件里写清它能干什么、不能干什么，比如只能拟草稿不能发送）；再事事审批（“给我看你会怎么做”，满意了再放行）；然后慢慢松绳，像遛狗一样一点点给自由；最后给它一个心跳——设成每 15 分钟自动跑的定时任务，让它真正独立运转。

放手的意义就是把时间买回来。Dan 把这套系统给他的行政助理时，她一度以为自己要失业了——结果反而被解放出来去做更高价值的事：管更高层级的项目，而不是排邮件、拟草稿。

你已经领先了 99.999% 的人

Dan 有句话很实在：他早就接受了自己永远会觉得"落后"，永远追不全所有东西。

但落后感不重要，方式的转变才重要。如果你学会去指挥 AI，你就在和它共创；如果不学，某天你可能反过来在为它打工。

从判断哪些活符合 R 法则，到用 AGENT 五步把一个 agent 从瞄准结果一路带到自主运转——这套思路能套在你以后每一个 agent 上。剩下的，就是挑一件你每周都在重复的活，今天就开始搭。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

👇👇扫码免费领取全部内容👇👇

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2026行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

7. 资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇