如何设计一个 AI 智能体

如何设计一个 AI Agent July 24, 2026 · 17 min read · View source ↗ AI Claude Marketing Automation 当 $200 就能买到 Claude Max 或 Codex 时，谁他妈的愿意为你的平台付费？ 实验室出售的是智能。它们训练它，以你永远无法匹敌的规模来提供它，而且无论你做不做什么，它每隔几个月就会变强。你的 Agent 坐在它们的 Agent 之上，带一个 persona、调好的提示词、一个工具列表、一些技能，以及一套组装上下文的私有方法。 无论那项工作有多真实，当客户能看到的只是一个更好一点的聊天机器人时，他们就感知不到它的价值。 每一次 Agent 发布都坍缩成同一个主张：它能为你做研究、浏览、写作、写代码、采取行动。一个团队花好几个月在提示词和评估上，而客户看到的不过是又一个接入了所有人都在用的同款模型的聊天框。然后实验室发布一次升级，差别就没了。Jasper，那家 AI 文案公司，曾以 $15 亿估值融资 $1.25 亿，被视作让 GPT-3 写营销文案的最佳方式。四十三天后，OpenAI 免费发布了 ChatGPT，不到一年 Jasper 就开始裁员。 人们拒绝付费不是因为 Agent 弱。他们拒绝，是因为他们看不到那份额外订阅到底买到了什么。 走出这个陷阱的方法，是我用了好几个月的思维模型，用两个词就能概括：每一个 Agent 都是一个"心智"（mind）和一个"身体"（body）。在这篇文章里，我会展示你如何审视任何 Agent 产品、看清它到底在卖什么，或者从一个问题出发，反向设计出能解决它的那个东西。 1. 能力没有形状 几乎每个 Agent 构建者都会掉进一个陷阱，因为模型让它变得太容易了：平台突然什么都能做。这个 Agent 会写代码，所以它能朝着你交给它的几乎任何目标迭代前进，在自己的输出上爬山式优化。感觉产品好像一下子变得无所不能——而这对谁都没帮助，因为客户没有办法看清这其中的任何一样到底是用来干嘛的。 能力会从你装它的任何容器里漏出来。WHOOP 的教练跑在 OpenAI 的模型上，你好好问它，它会给你写 Python。你的客服 Agent 会很乐意回答高中三角学。一个四壁都在漏的产品没有形状，而这正是问题所在：纯粹的能力在认知上是不可辨认的。 没有任何东西标示出这样一个 Agent 从哪里开始、在哪里停止工作，之后发生的任何事也都不明显地归属于它。加工具只会放大主张，而不会让产品更容易理解。 普通软件从它的边界获得形状。一个 CRM 承载联系人、公司、交易和跟进，于是你知道它代表你业务的哪一部分，以及你托付它维护的是什么。IDE 也一样：文件、符号、错误、构建。边界就是让你看见这个东西的东西。 一个带代码执行和五十个集成的 Agent 没有边界。客户分不清哪些记录属于它、它应该自己注意到什么、它被允许改动什么，而直到这些关系变得具体之前，产品始终是一团能力。 隐藏配置让问题更糟。客户无法检视你的系统提示词，他们也永远不会感受到你花了几个月打磨技能、或你的上下文选择器在某个评估上多赚的那 10%。他们感知到的是所有那些机制运转于其中的结构。当没有结构时，工作就消失在模型背后。 2. 身体 那么，那少数几个可辨认的 Agent 有什么，是那些能力之云所没有的？它们有智能栖身于其中的结构。那个结构就是我所说的"身体"。 身体是一种自由度被降低的功能性组织：把专门化能力组织成一个单元，这个单元渴求一个智能控制器。降低正是要点。一个构建良好的身体会收窄心智可能的动作，直到工作变得显而易见，几乎任何称职的模型都能做。当身体缺失时，每一个心智最终都只会表演同样无界的把戏。 一个身体里有什么？首先是身份：一个名字、一个域、一个世界可以用来触达它、且只触达它的地址。然后是财产：账户里的钱、数据库里的行、明天仍然还在的记录。然后是它与现实的接触：一个收件箱、一个传感器、一条信息流，某个无论有没有人在提示、事件都会到达的地方。还有限制：支出上限、审批规则、让一千次独立的模型调用表现得像一个可问责的整体那样的权限。每一块单独看都很无聊。合在一起，它们给宽泛的能力一个地方，让它的工作开始、积累，并为之负责。 这些部件像组织一样组织起来。相关的部分组合成器官：一个收件箱、记录，以及某个功能协同工作的规则。器官又组合成系统。一个成熟的器官甚至会带上它自己缓存的流程：无需唤醒心智就能触发的工作流，或者该器官自己排期的常驻 Agent 调用。这样看，心智的活儿比看上去小：它提供控制与解读，而身体自己处理大部分运转。 产品是一个心智与一个彼此理解的身体的联合体：身体决定哪些上下文、事件和资源到达心智，而心智足够了解身体的各个部件以协调它们。一个技能，就是把那种相互理解写下来。 教会我信任这个框架的创始人，经营着一家服务餐厅厨房的老牌公司：数百个餐厅账户、装着传感器的机器、一支卡车车队、人类技工、装满零件的仓库。他问我怎么给它加 AI 而不沦为"又一个 GPT 套壳"，而桌上的方案永远是那个方案：在公司数据上套一个聊天机器人。 透过心智与身体的透镜，他的问题几乎自己就回答了，因为这家公司拥有的身体，比我见过的任何 AI 创业公司都多。一台连续三天温度偏高的步入式冷柜就是一个事件，来自公司已经拥有的传感器，关系到一台公司已经持有维修记录的机器。住在那个身体里的 Agent 能捕捉到温度漂移，查压缩机的历史与保修，订零件，把技工的卡车排进路线，并为这次"救场"开账单——而餐厅乐于付钱，因为另一个选择是一整个周末的存货报废。每一间厨房都能作为它自己的小身体运转：设备记录、维修历史、一个调度渠道、一个带上限的预算。卡车车队是另一个身体。零件仓库是第三个。它们每个里面都有一个产品，而没有一个产品是聊天机器人。智能是简单的部分。他需要的，是把他已经拥有的东西组织成智能可以栖身的身体。 3. 编程 Agent 把计算机当作身体 Claude Code 和 Codex 之所以比大多数 Agent 更有"实体感"，是因为它们进入了一个已经存在的身体：计算机。 模型在一个文件系统里工作，处于运行中的进程、已安装的程序、凭证和代码仓库之间。项目生活在上下文窗口之外，所以模型不必把一切装进脑子里。Git 记住了每个人做过的每一个决定，而模型编辑一个文件时，测试几秒内就会回来说这个改动是否生效。 在这里，一条 shell 命令有意义，是因为它运行在一个目录里、一个身份之下、针对有历史的文件。同样一个 Bash 工具，放进一个空聊天里，就只是列表上的又一项能力。 边界让智能变得可辨认：你能看到这个 Agent 在这个仓库上工作，努力让这些测试通过，你还能读到它留下的 diff。 编程 Agent 从五十年的软件工程里继承了这一切。光 Git 就二十岁了，GitHub 上承载着六亿多个仓库，供心智走进来。其他每一个领域都还在等着有人去构建等价物。 4. 一个企业作为一个 Agent 身体 编程 Agent 免费得到了它们的身体。更有意思的做法是有意地构建一个，而最清晰的案例就是一个企业。 企业身体，是一个被做得足够可辨认、让智能得以运转的企业。它持有一个域名、产品、客户记录、一个支持收件箱、支付账户、一个代码库、部署，以及一本账本。这些不是挂在一个 Agent 身上的集成：它们属于同一个企业，彼此引用，并承载着比当前这次模型调用更持久的义务。 一个技能只有当它有身体可以施展时，才不止是建议。一个模型可以完美地知道你的退款流程，却仍然毫无用处：它需要订单记录来判断这位客户是否符合资格，需要那个产品的政策来决定金额，还需要访问收钱的那个账户才能把钱退回去。技能靠协调这个企业的各个部件来挣得它的位置。 记忆也以同样的方式改变。检索旧记录只是提醒模型某人说过什么。一个企业需要的不仅仅是提醒。它需要它有义务保存的记录：订单状态、欠款金额、它对客户承诺过什么、账本上写着什么。这些记录在聊天结束之后仍然权威，而下一步行动从它们开始。 约束让各个部件可以安全地反复使用。一个支付账户一旦有了已知余额、支出上限、审批规则和一段历史，就变成了一条可用的肢体。每一次模型调用都经过同样的限制，这正是为什么一百次独立调用加起来仍然等于一个可问责的企业，而不是一百个对钱拥有无限访问权的临时 Agent。 没有身体，技能就是建议，记忆就是一堆文字，而一个自主循环可以永远烧 token，却不给产品留下比它开始时更好的任何东西。 一笔失败的付款展示了整个系统的运转。无论有没有人开着聊天，Stripe 都会触发一个事件，而这个事件给这个企业制造了一项义务。Agent 在做决定前先读客户的历史和公司政策：重试扣款、提供一个宽限期、发一条消息，还是交给人工。 接下来发生的任何事都回到同一个身体。当客户更新了他们的卡，义务解除，账本记下这笔变动，后续动作自动取消。没有人需要在一个新聊天里重建现场，因为记录已经保存了它。 模型已经知道"付款失败"是什么，Stripe 也已经暴露了 API。有价值的部分是围绕在它们周围的这个企业——那个接收事件、知道哪段关系处于风险之中、并通过自己拥有的账户把结果一路传递下去的东西。 提示词告诉心智做什么；一个 webhook 让身体无需被提示就能接收现实。 当身体在场时，你可以观察到定价的变化。Intercom 的 Fin 在 Intercom 自己的帮助台内回答支持对话，使用它的收件箱、它的对话历史和它的知识库，每次解决收费 $0.99。你只有在结果落在一个你拥有的地方时，才能为结果定价。一个裸聊天助手没法那样收费，因为它内部没有任何东西能确凿地说出有什么被解决了。 一个家教需要不同的结构：一本成绩册、课程历史、一个日历、一种联系学生的方式，以及一份他们能不经帮助就检索的内容记录。每一次课程都会改动这些记录，而记录决定下一次课程长什么样。一个学生总记不住的词会在下一周再次出现；一个他们已经掌握的概念会退出队列，给更难的东西腾出空间。 那个身体已经规模化地存在了，而且它早于当前的模型。Duolingo 为每个学习者研究的每一个词估算记忆半衰期，并据此排期复习。它甚至把推送通知当作一个器官：公司发表过一项研究，讲它在一个训练过的 bandit 算法上、跨两亿条通知，来学习什么时候的一次提醒能把一个学习者带回来。当 GPT-4 出现时，Duolingo 把它租进那个身体里，作为一个高级层级。实验室改进智能；Duolingo 守着与五千万日活学习者之间积累的关系。 5. 我怎么用它 决定要构建什么 假设一家公司被求职申请淹没了。把解决方案称作一个"招聘 Agent"几乎什么都没告诉我：它只是给一个任务命名，而几十个模型已经能读简历、把它和职位描述对比、起草一封礼貌的回复。如果那就是产品，公司把简历粘贴进 Claude 就能得到大部分。 有用的起点，是那个必须隔夜持续存在的东西：这家公司的招聘管道。总得有人知道哪些职位开放、谁申请了、谁通过了初筛、哪些面试已排期、每位候选人被告知了什么、哪些 offer 发出去了。那份责任不会因为没人在跟 Agent 聊天就停止存在。 一旦我给那个持久之物命名，产品的其余部分就从它里面掉落出来。申请必须能在没有一个协调人转发的情况下到达，于是管道有了它自己的地址。候选人的回复回到同一个地方。面试日历告诉它谁见了谁，而反馈落进它所属候选人的记录里，而不是落在某人的私信里。现在我看到的是一门持续运转的生意，而不是一个跟简历有关的巧妙把戏。 它还需要别人能拿它问责的记录。每一位候选人都处于少数几个状态之一（已申请、已初筛、面试中、已发 offer、已关闭），而对候选人做出的每一个承诺都写在下一步行动能看见它的地方。offer 需要一个上限，因为"承诺给某人一份薪水"的能力，只有在所有人都知道在没有人工签字的情况下能放出去多少钱时，才是可用的。当一位候选人失联时，这个失联进入同一条记录，而不是在一次模型调用结束时消失。 第一个月会充满例外。一位候选人同时申请三个职位，另一位通过内推来、跳过了某个阶段，第三位把同一场面试改期了四次。随着人们处理这些情况，处理结果变成下一位候选人继承的规则，到第十二个月，管道已经知道哪些来源会产出录用、哪些面试官从不按时交反馈、每个阶段实际耗时多久——因为公司已经花了一整年在用它招人。 只有到这时我才需要选模型，而到这一步，这个选择几乎无聊。今天好几个模型都能读简历并应用规则，明年的模型会做得更好，而我无需动申请收件箱、候选人记录、日历或 offer 上限。我能换智能，恰恰是因为招聘管道纹丝不动。 这些都不是思想实验。大多数科技公司已经在运行的求职者追踪系统，比如 Greenhouse 和 Ashby，正是这个身体，在心智好到足以栖身之前很多年就建好了。现在正往它们里面发货的 AI 初筛和排期功能，就是心智搬进一个早已立着的身体里。 读市场 分析动作就是同一个拆解反过来跑。当有人给我看一个 Agent 产品时，我不再问它能做什么，因为答案永远是同一个：什么都能。取而代之，我把产品拆开。原始智能是从实验室租来的。它周围的提示词、技能和自定义代码是自有的，而且是真功夫——但一个技能只有它对着写的那副身体才值钱，而对着公开 API 写的代码，任何租用同一模型的人都能重写。一切持久的、或触及现实的，都是身体。所以我真正要问的是：如果一个竞争对手租了同样的智能、重做了代码，还会剩下什么？ 当我这样拆分 AI SDR 产品时，结果说明了很多。卖点是"一个能找到线索并写外联的 Agent"，演示也真的很好。但心智几乎干了所有的活：读一个潜在客户的网站并写邮件，是一个租来的模型加上一些提示词，竞争对手一个季度就能重写。身体很难找。邮件落在别人的收件箱里。回复属于客户的 CRM。连所有那些发送量所消耗的域名信誉，都属于客户。如果我撇开租来的模型和可重写的代码，几乎什么都不剩，而这就是让这个品类变成一场押注心智的赌注的原因。市场比我更早注意到。TechCrunch 采访了这个品类里最显眼的创业公司 11x 的员工，他们描述客户在一年期合同的三个月退出条款处离开，流失率接近 70% 或 80%；公司对这些数字提出异议。底下的机制更难辩驳：当整个产品都是"解读"时，客户可以拿 $200 的通用智能加一个模板来对比，而对比结果一次次打平。 同样的拆分，在冷邮件这个不光彩的一端给出相反的答案。Instantly 和 Smartlead 卖的是投递能力：预热过的邮箱、域名信誉、抑制列表、收件箱投放测试。这些产品里几乎没有心智，而身体巨大。Instantly 声称一个超过一百万个收件箱的预热网络，生成让邮件不进垃圾箱的参与信号，而这样一个网络，随着每个账户加入而变得更有价值，没有任何一次模型发布能触碰它。这个拆解也预言了接下来发生的事：到 2025 年，AI SDR 公司自己也在把域名配置、邮箱预热和投递监控打包进产品。那些一直在卖心智的公司正在长出器官，因为市场教会了它们客户真正付钱买的是哪一半。 所以当有人向我推销一个 Agent 时，我想知道的是：当我在心里移除模型之后，还剩下什么。公司拥有那个收件箱，还是借用了对"我的"收件箱的访问？在任何人提示它之前，哪些事件到达了这个产品？运营一年之后，哪段历史会变得更有价值？如果模型明天被换掉，替代品会继承什么？ 有些答案会直接杀死这笔交易。一个提示词、一个工具列表、一把评估分数是自有资产，但它们是那种一个资金充裕的竞争对手对着同一个租来的模型几个月就能重建的资产——一个只持有这些的公司，是在与供应它智能的实验室、以及与所有其他租用者竞争。一个有信誉的域名、一本写满未结义务的账本、一门具体生意的运营历史——那是任何竞争对手都无法重建的东西，因为它需要接触现实才能积累。 我之所以不停地问身体，是因为这个问题比"你的聊天机器人能干什么"要好回答得多。能力会糊成一团；身体不会。一个什么都能做的 Agent，对产品什么都没告诉我。一个栖身于中型公司招聘管道的 Agent，带着它自己的申请收件箱、候选人记录、offer 审批，是我能够想象、定价和比较的东西。一旦你问它们栖身于什么、而不是它们能做什么，Agent 就变得可区分了。 客户为心智与身体彼此理解的联合体付费。原始智能是租来的，每个竞争对手都从同一个供应那里租。你围绕它写的技能和代码是你的，但单凭它们是不可见且可重写的：当它们对着一个只有你才有的身体来写时，它们才变得可防御。身体是你代理权所在之处：它是你能把价值建进去的部分，而你在那里建的价值始终是你的。 假设 Agent 已经解决了：你想给它一副什么样的身体？ Tags: # X # AI # Claude # Marketing # Automation # Growth # Guide # Chatgpt 相关文章 我如何用 Claude Fable 5 打造 $10k/月 的无脸 AI 故事频道 六个月前，我产出的每一个 AI 生成的 YouTube 脚本都需要 2 小时以上的手动改写才能用。角色在章节之间换了名字。纪录片脚本引用了…… Claude AI Marketing Automation