概念与零基础上手

智能体的关键不是“模型更大”，而是把模型放进一个能观察、规划、行动和复盘的系统里。它像一个会用电脑工具的助手，而不只是一个会说话的聊天窗口。

普通聊天、工作流助手和智能体

类型	它主要做什么	典型例子
普通聊天	回答问题、解释概念、改写短文本	“帮我润色这段摘要。”
工作流助手	按步骤整理材料，生成阶段性结果	“把 20 篇论文分组，再生成 PPT 大纲。”
智能体	读取文件、写文件、调用工具、运行命令、检查结果	“把这个文件夹里的数据都清洗并画成图。”

普通聊天适合短任务。智能体适合有文件、有步骤、有检查、有交付物的任务。

从一句话到一个结果

你可以这样交代任务：

请把这个文件夹里的 30 篇论文整理成一张文献矩阵。
需要包含：研究对象、芯片类型、检测指标、主要结论、局限性。
不确定的信息写“未说明”，不要猜。
输出为 literature_matrix.xlsx 和 summary.md。

一个合格的智能体会先看文件夹结构，确认论文文件，再提取信息、生成表格和摘要。如果遇到无法读取的 PDF，它应该告诉你哪里失败，而不是编造内容。

不知道从哪下手，就按这个顺序来

1. 先准备一个小文件夹，只放当前任务相关材料。
2. 写清楚最终要什么格式，例如 Markdown、Word、PPT、Excel、PNG 或 Python 脚本。
3. 说明哪些文件只读，哪些目录可以写。
4. 让智能体先列计划，再执行。
5. 每做完一步，检查文件是否生成、数据是否对得上、引用是否可追溯。

用好智能体需要的基础能力

不需要一开始就会编程，但建议逐步补齐这些能力：

• 会区分文件、文件夹和路径。
• 会理解 CSV、Excel、Markdown、HTML、PDF 的基本用途。
• 会看命令行里的成功和失败信息。
• 会用 Git 或至少会备份重要文件。
• 会把实验设计、分组、重复层级和输出要求说清楚。

其中 Markdown 和 Git 是最值得先补的两项基础能力，可以分别阅读 Markdown 与 MarkText 入门 和 Git 入门。

信息

智能体不是代替研究者做判断。它擅长整理、执行和检查；研究设计、统计选择、学术解释和最终结论仍然需要人来负责。