AI Agent 从入门到精进——给师弟的五点分享师弟问我充了 10 块钱token 是不是很耐用这个问题的答案可能跟你想的正好相反**token 耐用恰恰是还没精进的信号。**等你真正让 AI 干起活来——拆任务、派子代理、反复修改、交叉验证——那 10 块钱可能干一个活就没了。烧得快说明它在帮你干真活烧得慢多半是你还只把它当词典在查。下面这 5 点是我从工具思维走到团队思维这条路上最想先告诉你的东西。它们不是并列的 5 条建议而是一条层层递进的路径先转变思维再养成格式习惯然后靠约束文档打底接着把 AI 当博士团队用起来最后把反复的流程沉淀成 skill。第 1 点转变思维重新定位你和 AI Agent 的关系一句话说透别再把 AI 当成你问它答、指哪打哪的工具要把它当成一个能力很强、但需要你带的合作者。你和它的关系不是主人—工具而是项目负责人—核心搭档。从工具思维转到合作者思维是迈向精进的第一块基石后面几点都建立在这个前提上。为什么重要底层逻辑是工具是确定性的你给它一个指令它给你一个结果Agent 是意图驱动的它理解你的目标自己拆步骤、调工具、做判断再回来跟你确认。如果你还按工具的用法去用 Agent等于把它最值钱的部分——主动思考、自我检查、多步规划——全给废掉了。我们做科研的都带过学生你把学生当打字员他写什么你就让他写什么他永远只是个打字员你把他当合作者交代目标、边界和验收标准他才能真正帮你把活干出来。Agent 也一样。思维不变工具再强也用不出效果。更关键的是后面要讲的子代理、约束文档、Skills全都建立在你负责拍板、它负责干活这种合作关系上——地基不牢楼盖不起来。具体怎么做1.少下命令多交代目标不说给我写一段引言而是说这篇论文要投某期刊我的核心问题是土地流转对农户收入的因果效应帮我把引言框架搭出来说清楚研究缺口和本文贡献。2.开工前先分清角色你负责判断和拍板Agent 负责出草案、跑腿、给选项。凡是最后要我签字的事都要先和它对齐思路再放它干活。3.让它先出方案而不是直接出成品。一个任务的正确起点往往是先给我方案或大纲而不是直接给我结果。4.拿到结果不急着结束追一句你觉得这里有没有漏洞“换你会怎么改”。合作者是会反驳你的工具不会。5.像带新人一样给它写背景说明书把你的身份、偏好、写作习惯交代清楚它会越用越懂你。一个例子以前你用 AI 是搜索引擎式的想弄明白 DID 和 IV 的区别问一句看个答案关掉。这是把 AI 当词典。现在你应该这样用你的论文要做稳健性检验你担心自选择偏误于是把研究背景、数据情况、你担心的问题一起交代给 Agent说“我们目标是设计一套可落地的稳健性检验方案每套方案说清楚适用条件、优缺点、我手上的数据能不能做。你先给方案别急着跑结果。“Agent 给你两三套方案你和它讨论取舍敲定后它去执行、出表、写解读最后你审。同样是这件事前者你只是查了个资料”后者你是带了一个会想问题的助手”。常见误区✗ 把 AI 当高级搜索引擎问一句、得一段、复制走人。问完就关是最典型的工具思维。✗ 当一次性工具每次都是新开对话从不给背景Agent 每次都从陌生人做起你也就永远用不出积累效应。✗ 当许愿机指望一句话就吐出成品出不来就怪 AI 不行其实多半是你没把目标和边界交代清楚。✗ 只动嘴不动脑光在旁边下指令、挑毛病自己不出力也不思考最后变成AI 干、你盯着你反而被工具支配。✗ 把它当威胁怕 AI 抢饭碗于是只敢让它干无关痛痒的小事真正有分量的活绝不碰——这恰恰堵死了精进的路。进阶标志✓ 你不再问AI 能干什么而是想这件事我该怎么交给它干。✓ 你习惯了先给背景和目标再谈具体任务而不是一上来甩指令。✓ 你开始把 Agent 的结果当草案来审、来改而不是直接照搬照抄。✓ 你愿意让它参与有分量的活比如设计研究框架、整节改写论文而不是只让它查资料、做翻译。✓ 一句话的判断标准你不再把它当回答问题的工具而是当能一起把事办成的搭档。当你开始为它写背景说明书、给它派任务、验收它的产出第 1 点你过关了。· · ·第 2 点文件尽可能转成 Markdown 格式一句话说透AI 最顺手的文本格式是 Markdown不是 PDF也不是 Word。记住一条简单的规矩凡是喂给 AI 的文件先在门口把它转成 Markdown凡是 AI 给你的东西也默认让它存成 Markdown真需要正式交付 PDF / Word 时最后再转。你就把 Markdown 当成 AI 界的普通话把 PDF / Word 当成方言——你总不至于天天跟人用方言聊天吧。为什么重要背后是 AI 的底层逻辑AI 本质上是在读纯文本。PDF 是一种排版格式字是嵌在页面里的AI 要先翻译一遍解析版式、公式、表格才能读慢还容易翻错Word 内部藏着一套复杂的格式标记AI 读起来同样隔了一层。而 Markdown 就是纯文本加几个简单符号# 是标题、- 是列表、** 是加粗没有多余的东西。AI 一眼看透读取和修改都几乎没有损耗。打个比方PDF / Word 像把内容锁进保险柜AI 每次都要先开锁再取Markdown 是把内容摊在桌面上想改哪里改哪里。摊在桌面上AI 处理起来效率自然最高你和 AI 的整体交互效率也会跟着上去。还有一层很多人没注意Markdown 占用的是纯文本读起来省 token。同样的内容PDF 里的排版垃圾信息会白白吃掉一部分上下文转成 Markdown 后AI 把省下的精力都放在理解内容本身回答质量也会更高。对长文档尤其明显——一篇文章、一本教材转不转差别立竿见影。具体怎么做**输入侧**拿到文献 PDF 或其他 PDF先转成 Markdown 再交给 AI。现在这一步已经很简单直接用现成的转换 skill 就行比如 MinerU、markitdown 这类工具丢进去就出 Markdown。**输出侧**在和 AI 的约束文档里就写明默认输出 Markdown让它把笔记、摘要、论文初稿都存成 .md 文件。需要 PDF 或 Word 时再用对应的 skill 转换比如把 Markdown 转成 Word 文档。记住这个顺序先 Markdown后转换转换永远是最后一步。一个例子**不转直接丢**你把文献 PDF 直接丢给 AI让它读、做笔记。AI 得先费力解析 PDF公式和表格可能乱掉读完你还要再核对一遍慢且容易出错。**转成 Markdown 再给**你先把 PDF 转成 Markdown再让 AI 读、做笔记、甚至引用原文帮你改论文。AI 读得快笔记结构清晰引用也准。最后你要交 Word 版再用 skill 把 Markdown 转成 Word。前后一对比一个是 10 分钟还心里没底一个是 1 分钟做完还更准。常见误区✗ 直接丢 PDF / Word 给 AIAI 确实能读但效率低复杂排版还容易读错属于能忍但亏。✗ 让 AI 直接生成 WordAI 手搓出来的 Word 格式经常乱改起来更头疼。不如先出 Markdown再用 skill 规规矩矩转。✗ 格式混乱、多版并存改来改去到底哪版是新的都分不清。正确做法是让 Markdown 当唯一真源PDF / Word 只是最后导出的快照。进阶标志✓ 拿到任何文件第一反应是先转成 Markdown。✓ 约束文档里已经写明默认输出 Markdown不用每次提醒。✓ 转 PDF、转 Word 的 skill 用得熟练转换只出现在最后一步。✓ 能随手把 PDF、Word、网页、图片等任意格式都转成 Markdown转换工具闭着眼都能调。✓ 你的整套工作流里Markdown 是唯一的中间格式PDF / Word 只是交付物。· · ·第 3 点约束先行做好全局和项目级两份约束文档一句话说透开始干活前先给 AI 一份背景说明书分两层一层写你这个人一层写这个项目怎么回事。约束写清楚了AI 才不用猜输出才稳。为什么重要大模型本质是个能力很强、但对你一无所知的聪明人。它不知道你是谁不知道你的学术品味也不知道你讨厌什么风格的文字。你不写下来它就每次从零开始猜你猜中算运气、猜错是常态——于是同一件事你反复说它反复改你火气越来越大。约束先行的作用是把你是谁、你要什么一次性讲清楚让 AI 每次开工前先读说明书、再动手。这样它每次输出都站在同一个底座上不容易跑偏也不会这版和上版完全两个味。两份文档怎么分工**全局约束管人项目级约束管事。**全局那份——Claude 里叫 CLAUDE.mdOpenCode / Codex 里叫 AGENTS.md放在全局目录下——回答我是谁我的身份、专业背景、写作偏好、思考习惯、常用语句风格、要不要去 AI 味。项目级那份回答这个活怎么干项目背景是什么、底层逻辑是什么、必须守住的问题意识是什么、处理步骤按什么流程走。打个比方全局文档像一份入职手册讲清实验室怎么运转项目级文档像一份课题方案讲清来龙去脉。缺一不可。具体怎么做第一步先建全局文档。在你机器的全局目录放一份 CLAUDE.md或 AGENTS.md写清你是谁、在什么领域、写作偏好是什么、喜欢什么输出风格、哪些套话要避免。不必一次写完越用越补。第二步每个项目建一份项目级文档放在项目文件夹根目录。写清楚这个项目要解决什么问题、背景和底层逻辑、你希望 AI 遵循的处理流程、有哪些专有名词和不能偏离的边界。第三步不会写就靠 /init。这是最省力的入门法你不需要先会写约束文档。打开项目文件夹先正常和 AI 对话干活干到一定程度敲 /initAI 会把你俩的对话自动凝练成一份约束文档。你只需读一遍、改一改就成了。后面开新项目先拿这份做底子再个性化。一个例子同样是改一段论文没写约束文档的典型画风你让 AI改得学术一点它给你改成满屏值得注意的是“综上所述的八股腔你说太 AI 味了”它又改回干巴巴你说要学术感又别用套话这次它对了可换个段落又退回原点。每个段落你都在重复解释自己。写了约束文档之后你在全局文档里写了我偏好自然、直接、可落地的中文不用’值得注意的是’综上所述’这类套话论证先摆证据再下结论。AI 第一次接手就懂这些你只需说按我的风格改这段它一次到位你只在结果上做微调。常见误区✗ 从不管约束文档把 AI 当这次猜准了的彩票每次开工都从零互相试探。✗ 每次都让 AI 猜你的偏好猜错了口头纠正纠正完下次又忘。✗ 改个格式要求反复解释——字号、引用、排版这些本该写进文档说一遍就够了。✗ 反向误区把约束文档写得像公司章程几百条事无巨细AI 抓不住重点人也懒得维护。记住约束文档是你的说明书不是你的全部想法。进阶标志✓ 全局文档和项目文档分层清晰新项目开箱即用AI 第一次接手就懂你的风格不再需要反复澄清。✓ 文档随用随改不是写一次就扔。✓ 约束文档已经成了团队说明书连派出去的子代理领任务时拿的也是这份东西。✓ 更进一步你能把常用约束沉淀成自己的模板和句库甚至能给同事生成一份属于他的约束文档。到这一步约束就不再是麻烦的准备工作而是你放大 AI 效能的杠杆。· · ·第 4 点学会用子代理Subagent把 AI 当成你的博士团队一句话说透别再把 AI 当成一个对话框当成你带的一支博士团队来用你负责拆活、派活、验收AI 负责分头干活。手下一群博士生却让一个人从早干到晚既浪费也必砸。为什么重要大模型的本质是概率模型它的记忆就是当前这段上下文窗口再大也有限。在一个对话框里从头处理到尾——比如改一篇 6 个部分的论文从引言一路改到结果——它改着改着就会失忆前面定的术语、口径、结论到后面悄悄走样上下文被自己吐出来的内容污染越改越乱。就像让一个人连续干 10 小时前 3 小时清醒后面全靠硬撑。这里有个反直觉的信号派了子代理之后token 会烧得非常快你的 10 块钱可能干一个活就没了。所以反过来想——觉得token 很耐用恰恰说明你还没让 AI 干真正的活因为它根本没被分派出去都在一个对话框里打转。token 烧得快不是浪费是真在干活的标志。具体怎么做**1. 拆任务。**把一篇论文拆成引言、方法、结果、讨论等若干相对独立的部分边界清楚、可以并行。**2. 写总说明书。**把第 3 点的全局约束文档当总说明书专有名词怎么翻、要解决的科学问题是什么、不能偏离的问题意识是什么。每个子代理领活时先读它保证各干各的但方向一致。**3. 并行派活。**多个子代理各领一块同时开工互不干扰。**4. 派验收。**干完别急着自己看先派一个子代理通读汇总术语是否统一、有无重复遗漏、有没有偏离总说明书。**5. 交叉验证。**重要的部分再派一批子代理互相挑错从不同角度审。**6. 终检签字。**最后交给你做终检拍板的是你。一个例子**单代理从头改到尾**一个对话框从引言改到结果改到第四部分时模型已经把引言里定的术语口径忘得差不多你让它回头统一它又可能把前面改坏。来回磨五六遍前后矛盾还在。**多子代理分工加验收**先给一份总说明书术语表、核心问题、结论口径再派 6 个子代理各改一部分、并行进行改完派一个验收博士通读全稿查术语、口径、逻辑是否一致再派一两个子代理交叉验证有争议的地方最后你终检签字。整体更快质量也更稳。常见误区✗ 所有活都堆在一个对话框里。最典型的表现看起来顺其实模型越干越糊涂。✗ 从头处理到尾、一次问到底。以为一次搞定省事实际是在脏上下文里反复打转返工更贵。✗ 把省 token 当划算。省 token 不是目标出活才是。烧得少往往只是没让它干活。✗ 派了活就撒手不管。总说明书没写清就派出去等于让一群人各干各的验收时才看到方向偏了。进阶标志✓ 接到大任务的第一反应是拆而不是问——先拆活、再派活。✓ 写得出一份好总说明书让每个子代理各干各的但方向不乱。✓ 敢把验收和交叉验证也交给子代理自己只做终检。到这一步你已经不是在用工具而是在带一支博士团队——这正是从工具思维走到团队思维的分水岭也把第 1 点真正落到了地上。· · ·第 5 点学会运用和编写 Skills一句话说透Skill 就是一张操作清单。把它想成你贴在实验台边上的标准操作流程SOP把你反复跟 AI 说的那些要求固定成一份 Markdown 文档以后一个词就能召唤整套流程。为什么重要大多数人跟 AI 打交道的方式是每次重新说一遍。今天让它读一篇 PDF 出笔记要说一段话下周读另一篇又得再说一遍版本还不一样AI 给的格式也跟着飘。你在重复劳动AI 也在猜你的标准。Skill 干的活就是把这种重复对话封装成固定流程。它本质是一份 Markdown 写的技术指南第 1 步做什么、第 2 步做什么写清楚。跃迁有两层一是省时间从每次从头描述需求变成一次封装、随时调用二是输出稳定同样的要求触发同样的流程格式统一、标准一致。科研里稳定往往比速度更值钱——笔记体系、写作风格都要连贯这是临场发挥给不了的。一句话不会封装 skill你就永远停在给 AI 打零工的阶段学会封装AI 才开始按你的规矩干活。具体怎么做第一步盘点自己反复做的事比如读一篇 PDF 文献并输出笔记。凡是重复出现、套路固定的任务都是封装成 skill 的好候选。第二步让 AI 帮你写。直接告诉它我经常做这件事请你帮我封装成一个 skill把每一步写清楚。它通常会先问几个问题——输出格式、保存位置、包含哪些步骤。你答完它就生成一份 Markdown。手里有自己的例子直接丢给它参考效果更好。第三步改造成你自己的。这一步最容易被忽略却最关键。Skill 本质就是 Markdown打开读一遍把不符合你习惯的地方改成你的偏好——笔记模板、综述顺序、去掉 AI 味的要求改完存回去它就从别人的模板变成你的规矩。另外一定要善用现成的。市面上已有大量公开好用的 skill直接安装就能用。但记住公开 skill 面向大众、偏普适未必契合你的思维和习惯。别将就着用也别一用不顺手就放弃——它是 Markdown改一改就是你的。一个例子就拿读一篇 PDF 文献并输出笔记来说。没有 skill 时每次都要交代一遍把 PDF 转成 Markdown提取研究问题、数据、方法、结论按我常用的格式整理存到知识库对应目录再更新索引……话长容易漏而且每次说的版本可能不一样AI 输出的格式也就忽好忽坏。有 skill 之后你只需说一句帮我把这篇文献存成笔记。AI 会自动走完整套流程转格式、提取、按你的模板写、存到正确位置、更新索引。你看不见这些中间步骤但它每次都执行得一模一样。同一个动作从讲五分钟需求变成说一句话从每次格式都不同变成每次都是一个模子。常见误区✗ 每次都从头描述需求从没想过封装没意识到同一件事已重复说了几十遍。✗ 根本不知道有 skill。很多人用了很久 AI Agent从没点开过 skill 列表白白错过一堆现成好工具。✗ 装了公开 skill 却从不改。下载一堆试用两个觉得不是我要的然后放弃。问题不在 skill 不好而在没意识到它就是 Markdown——改一改就顺手了。进阶标志✓ 你有自己的专属 skill 库里面至少有一部分是自己封装或改写的而不是全从别人那里搬的。✓ 同一件事重复三次以上就不再重新描述需求而是直接触发对应 skill。✓ 你能看懂任何 skill 的 Markdown并熟练改成适合自己的版本。✓ 你不只会用还能把自己到底怎么做事的这种隐性经验主动沉淀成流程文档交给 AI。✓ 最明显的一条输出开始稳定得不像 AI 临场发挥——格式统一、标准一致因为执行它的是你的流程而不是一次性的话。真到这一步AI Agent 在你手里就不再是会聊天的工具而是一套按你自己的方法论运转的体系。· · ·从摸索期到精进期——一条升级路径回头看这 5 点不是并列的 5 条建议而是一条层层递进的路。第 1 点是地基不把 AI 当合作者后面一切都无从谈起。第 2 点是基本功把文件都变成 Markdown交互的效率才上得来。第 3 点是制度把你这个人、这个项目写成约束文档AI 不用每次猜你。第 4 点是组织有了约束文档当总说明书你才敢把任务拆开、派给一支博士团队并行干活也才谈得上token 烧得快是好事。第 5 点是沉淀团队运转顺了那些反复发生的流程自然固化成一个一个 skill变成你私人定制的方法论。思维转变 → 格式习惯 → 约束先行 → 子代理团队 → skills 沉淀走到最后一步AI Agent 在你手里就不再是会聊天的工具而是一支按你的方法论运转的团队——你带它它帮你出活。说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】 从10块钱token烧光到高效精进：AI Agent实战进阶5步秘籍，附博士团队协作法！
AI Agent 从入门到精进——给师弟的五点分享师弟问我充了 10 块钱token 是不是很耐用这个问题的答案可能跟你想的正好相反**token 耐用恰恰是还没精进的信号。**等你真正让 AI 干起活来——拆任务、派子代理、反复修改、交叉验证——那 10 块钱可能干一个活就没了。烧得快说明它在帮你干真活烧得慢多半是你还只把它当词典在查。下面这 5 点是我从工具思维走到团队思维这条路上最想先告诉你的东西。它们不是并列的 5 条建议而是一条层层递进的路径先转变思维再养成格式习惯然后靠约束文档打底接着把 AI 当博士团队用起来最后把反复的流程沉淀成 skill。第 1 点转变思维重新定位你和 AI Agent 的关系一句话说透别再把 AI 当成你问它答、指哪打哪的工具要把它当成一个能力很强、但需要你带的合作者。你和它的关系不是主人—工具而是项目负责人—核心搭档。从工具思维转到合作者思维是迈向精进的第一块基石后面几点都建立在这个前提上。为什么重要底层逻辑是工具是确定性的你给它一个指令它给你一个结果Agent 是意图驱动的它理解你的目标自己拆步骤、调工具、做判断再回来跟你确认。如果你还按工具的用法去用 Agent等于把它最值钱的部分——主动思考、自我检查、多步规划——全给废掉了。我们做科研的都带过学生你把学生当打字员他写什么你就让他写什么他永远只是个打字员你把他当合作者交代目标、边界和验收标准他才能真正帮你把活干出来。Agent 也一样。思维不变工具再强也用不出效果。更关键的是后面要讲的子代理、约束文档、Skills全都建立在你负责拍板、它负责干活这种合作关系上——地基不牢楼盖不起来。具体怎么做1.少下命令多交代目标不说给我写一段引言而是说这篇论文要投某期刊我的核心问题是土地流转对农户收入的因果效应帮我把引言框架搭出来说清楚研究缺口和本文贡献。2.开工前先分清角色你负责判断和拍板Agent 负责出草案、跑腿、给选项。凡是最后要我签字的事都要先和它对齐思路再放它干活。3.让它先出方案而不是直接出成品。一个任务的正确起点往往是先给我方案或大纲而不是直接给我结果。4.拿到结果不急着结束追一句你觉得这里有没有漏洞“换你会怎么改”。合作者是会反驳你的工具不会。5.像带新人一样给它写背景说明书把你的身份、偏好、写作习惯交代清楚它会越用越懂你。一个例子以前你用 AI 是搜索引擎式的想弄明白 DID 和 IV 的区别问一句看个答案关掉。这是把 AI 当词典。现在你应该这样用你的论文要做稳健性检验你担心自选择偏误于是把研究背景、数据情况、你担心的问题一起交代给 Agent说“我们目标是设计一套可落地的稳健性检验方案每套方案说清楚适用条件、优缺点、我手上的数据能不能做。你先给方案别急着跑结果。“Agent 给你两三套方案你和它讨论取舍敲定后它去执行、出表、写解读最后你审。同样是这件事前者你只是查了个资料”后者你是带了一个会想问题的助手”。常见误区✗ 把 AI 当高级搜索引擎问一句、得一段、复制走人。问完就关是最典型的工具思维。✗ 当一次性工具每次都是新开对话从不给背景Agent 每次都从陌生人做起你也就永远用不出积累效应。✗ 当许愿机指望一句话就吐出成品出不来就怪 AI 不行其实多半是你没把目标和边界交代清楚。✗ 只动嘴不动脑光在旁边下指令、挑毛病自己不出力也不思考最后变成AI 干、你盯着你反而被工具支配。✗ 把它当威胁怕 AI 抢饭碗于是只敢让它干无关痛痒的小事真正有分量的活绝不碰——这恰恰堵死了精进的路。进阶标志✓ 你不再问AI 能干什么而是想这件事我该怎么交给它干。✓ 你习惯了先给背景和目标再谈具体任务而不是一上来甩指令。✓ 你开始把 Agent 的结果当草案来审、来改而不是直接照搬照抄。✓ 你愿意让它参与有分量的活比如设计研究框架、整节改写论文而不是只让它查资料、做翻译。✓ 一句话的判断标准你不再把它当回答问题的工具而是当能一起把事办成的搭档。当你开始为它写背景说明书、给它派任务、验收它的产出第 1 点你过关了。· · ·第 2 点文件尽可能转成 Markdown 格式一句话说透AI 最顺手的文本格式是 Markdown不是 PDF也不是 Word。记住一条简单的规矩凡是喂给 AI 的文件先在门口把它转成 Markdown凡是 AI 给你的东西也默认让它存成 Markdown真需要正式交付 PDF / Word 时最后再转。你就把 Markdown 当成 AI 界的普通话把 PDF / Word 当成方言——你总不至于天天跟人用方言聊天吧。为什么重要背后是 AI 的底层逻辑AI 本质上是在读纯文本。PDF 是一种排版格式字是嵌在页面里的AI 要先翻译一遍解析版式、公式、表格才能读慢还容易翻错Word 内部藏着一套复杂的格式标记AI 读起来同样隔了一层。而 Markdown 就是纯文本加几个简单符号# 是标题、- 是列表、** 是加粗没有多余的东西。AI 一眼看透读取和修改都几乎没有损耗。打个比方PDF / Word 像把内容锁进保险柜AI 每次都要先开锁再取Markdown 是把内容摊在桌面上想改哪里改哪里。摊在桌面上AI 处理起来效率自然最高你和 AI 的整体交互效率也会跟着上去。还有一层很多人没注意Markdown 占用的是纯文本读起来省 token。同样的内容PDF 里的排版垃圾信息会白白吃掉一部分上下文转成 Markdown 后AI 把省下的精力都放在理解内容本身回答质量也会更高。对长文档尤其明显——一篇文章、一本教材转不转差别立竿见影。具体怎么做**输入侧**拿到文献 PDF 或其他 PDF先转成 Markdown 再交给 AI。现在这一步已经很简单直接用现成的转换 skill 就行比如 MinerU、markitdown 这类工具丢进去就出 Markdown。**输出侧**在和 AI 的约束文档里就写明默认输出 Markdown让它把笔记、摘要、论文初稿都存成 .md 文件。需要 PDF 或 Word 时再用对应的 skill 转换比如把 Markdown 转成 Word 文档。记住这个顺序先 Markdown后转换转换永远是最后一步。一个例子**不转直接丢**你把文献 PDF 直接丢给 AI让它读、做笔记。AI 得先费力解析 PDF公式和表格可能乱掉读完你还要再核对一遍慢且容易出错。**转成 Markdown 再给**你先把 PDF 转成 Markdown再让 AI 读、做笔记、甚至引用原文帮你改论文。AI 读得快笔记结构清晰引用也准。最后你要交 Word 版再用 skill 把 Markdown 转成 Word。前后一对比一个是 10 分钟还心里没底一个是 1 分钟做完还更准。常见误区✗ 直接丢 PDF / Word 给 AIAI 确实能读但效率低复杂排版还容易读错属于能忍但亏。✗ 让 AI 直接生成 WordAI 手搓出来的 Word 格式经常乱改起来更头疼。不如先出 Markdown再用 skill 规规矩矩转。✗ 格式混乱、多版并存改来改去到底哪版是新的都分不清。正确做法是让 Markdown 当唯一真源PDF / Word 只是最后导出的快照。进阶标志✓ 拿到任何文件第一反应是先转成 Markdown。✓ 约束文档里已经写明默认输出 Markdown不用每次提醒。✓ 转 PDF、转 Word 的 skill 用得熟练转换只出现在最后一步。✓ 能随手把 PDF、Word、网页、图片等任意格式都转成 Markdown转换工具闭着眼都能调。✓ 你的整套工作流里Markdown 是唯一的中间格式PDF / Word 只是交付物。· · ·第 3 点约束先行做好全局和项目级两份约束文档一句话说透开始干活前先给 AI 一份背景说明书分两层一层写你这个人一层写这个项目怎么回事。约束写清楚了AI 才不用猜输出才稳。为什么重要大模型本质是个能力很强、但对你一无所知的聪明人。它不知道你是谁不知道你的学术品味也不知道你讨厌什么风格的文字。你不写下来它就每次从零开始猜你猜中算运气、猜错是常态——于是同一件事你反复说它反复改你火气越来越大。约束先行的作用是把你是谁、你要什么一次性讲清楚让 AI 每次开工前先读说明书、再动手。这样它每次输出都站在同一个底座上不容易跑偏也不会这版和上版完全两个味。两份文档怎么分工**全局约束管人项目级约束管事。**全局那份——Claude 里叫 CLAUDE.mdOpenCode / Codex 里叫 AGENTS.md放在全局目录下——回答我是谁我的身份、专业背景、写作偏好、思考习惯、常用语句风格、要不要去 AI 味。项目级那份回答这个活怎么干项目背景是什么、底层逻辑是什么、必须守住的问题意识是什么、处理步骤按什么流程走。打个比方全局文档像一份入职手册讲清实验室怎么运转项目级文档像一份课题方案讲清来龙去脉。缺一不可。具体怎么做第一步先建全局文档。在你机器的全局目录放一份 CLAUDE.md或 AGENTS.md写清你是谁、在什么领域、写作偏好是什么、喜欢什么输出风格、哪些套话要避免。不必一次写完越用越补。第二步每个项目建一份项目级文档放在项目文件夹根目录。写清楚这个项目要解决什么问题、背景和底层逻辑、你希望 AI 遵循的处理流程、有哪些专有名词和不能偏离的边界。第三步不会写就靠 /init。这是最省力的入门法你不需要先会写约束文档。打开项目文件夹先正常和 AI 对话干活干到一定程度敲 /initAI 会把你俩的对话自动凝练成一份约束文档。你只需读一遍、改一改就成了。后面开新项目先拿这份做底子再个性化。一个例子同样是改一段论文没写约束文档的典型画风你让 AI改得学术一点它给你改成满屏值得注意的是“综上所述的八股腔你说太 AI 味了”它又改回干巴巴你说要学术感又别用套话这次它对了可换个段落又退回原点。每个段落你都在重复解释自己。写了约束文档之后你在全局文档里写了我偏好自然、直接、可落地的中文不用’值得注意的是’综上所述’这类套话论证先摆证据再下结论。AI 第一次接手就懂这些你只需说按我的风格改这段它一次到位你只在结果上做微调。常见误区✗ 从不管约束文档把 AI 当这次猜准了的彩票每次开工都从零互相试探。✗ 每次都让 AI 猜你的偏好猜错了口头纠正纠正完下次又忘。✗ 改个格式要求反复解释——字号、引用、排版这些本该写进文档说一遍就够了。✗ 反向误区把约束文档写得像公司章程几百条事无巨细AI 抓不住重点人也懒得维护。记住约束文档是你的说明书不是你的全部想法。进阶标志✓ 全局文档和项目文档分层清晰新项目开箱即用AI 第一次接手就懂你的风格不再需要反复澄清。✓ 文档随用随改不是写一次就扔。✓ 约束文档已经成了团队说明书连派出去的子代理领任务时拿的也是这份东西。✓ 更进一步你能把常用约束沉淀成自己的模板和句库甚至能给同事生成一份属于他的约束文档。到这一步约束就不再是麻烦的准备工作而是你放大 AI 效能的杠杆。· · ·第 4 点学会用子代理Subagent把 AI 当成你的博士团队一句话说透别再把 AI 当成一个对话框当成你带的一支博士团队来用你负责拆活、派活、验收AI 负责分头干活。手下一群博士生却让一个人从早干到晚既浪费也必砸。为什么重要大模型的本质是概率模型它的记忆就是当前这段上下文窗口再大也有限。在一个对话框里从头处理到尾——比如改一篇 6 个部分的论文从引言一路改到结果——它改着改着就会失忆前面定的术语、口径、结论到后面悄悄走样上下文被自己吐出来的内容污染越改越乱。就像让一个人连续干 10 小时前 3 小时清醒后面全靠硬撑。这里有个反直觉的信号派了子代理之后token 会烧得非常快你的 10 块钱可能干一个活就没了。所以反过来想——觉得token 很耐用恰恰说明你还没让 AI 干真正的活因为它根本没被分派出去都在一个对话框里打转。token 烧得快不是浪费是真在干活的标志。具体怎么做**1. 拆任务。**把一篇论文拆成引言、方法、结果、讨论等若干相对独立的部分边界清楚、可以并行。**2. 写总说明书。**把第 3 点的全局约束文档当总说明书专有名词怎么翻、要解决的科学问题是什么、不能偏离的问题意识是什么。每个子代理领活时先读它保证各干各的但方向一致。**3. 并行派活。**多个子代理各领一块同时开工互不干扰。**4. 派验收。**干完别急着自己看先派一个子代理通读汇总术语是否统一、有无重复遗漏、有没有偏离总说明书。**5. 交叉验证。**重要的部分再派一批子代理互相挑错从不同角度审。**6. 终检签字。**最后交给你做终检拍板的是你。一个例子**单代理从头改到尾**一个对话框从引言改到结果改到第四部分时模型已经把引言里定的术语口径忘得差不多你让它回头统一它又可能把前面改坏。来回磨五六遍前后矛盾还在。**多子代理分工加验收**先给一份总说明书术语表、核心问题、结论口径再派 6 个子代理各改一部分、并行进行改完派一个验收博士通读全稿查术语、口径、逻辑是否一致再派一两个子代理交叉验证有争议的地方最后你终检签字。整体更快质量也更稳。常见误区✗ 所有活都堆在一个对话框里。最典型的表现看起来顺其实模型越干越糊涂。✗ 从头处理到尾、一次问到底。以为一次搞定省事实际是在脏上下文里反复打转返工更贵。✗ 把省 token 当划算。省 token 不是目标出活才是。烧得少往往只是没让它干活。✗ 派了活就撒手不管。总说明书没写清就派出去等于让一群人各干各的验收时才看到方向偏了。进阶标志✓ 接到大任务的第一反应是拆而不是问——先拆活、再派活。✓ 写得出一份好总说明书让每个子代理各干各的但方向不乱。✓ 敢把验收和交叉验证也交给子代理自己只做终检。到这一步你已经不是在用工具而是在带一支博士团队——这正是从工具思维走到团队思维的分水岭也把第 1 点真正落到了地上。· · ·第 5 点学会运用和编写 Skills一句话说透Skill 就是一张操作清单。把它想成你贴在实验台边上的标准操作流程SOP把你反复跟 AI 说的那些要求固定成一份 Markdown 文档以后一个词就能召唤整套流程。为什么重要大多数人跟 AI 打交道的方式是每次重新说一遍。今天让它读一篇 PDF 出笔记要说一段话下周读另一篇又得再说一遍版本还不一样AI 给的格式也跟着飘。你在重复劳动AI 也在猜你的标准。Skill 干的活就是把这种重复对话封装成固定流程。它本质是一份 Markdown 写的技术指南第 1 步做什么、第 2 步做什么写清楚。跃迁有两层一是省时间从每次从头描述需求变成一次封装、随时调用二是输出稳定同样的要求触发同样的流程格式统一、标准一致。科研里稳定往往比速度更值钱——笔记体系、写作风格都要连贯这是临场发挥给不了的。一句话不会封装 skill你就永远停在给 AI 打零工的阶段学会封装AI 才开始按你的规矩干活。具体怎么做第一步盘点自己反复做的事比如读一篇 PDF 文献并输出笔记。凡是重复出现、套路固定的任务都是封装成 skill 的好候选。第二步让 AI 帮你写。直接告诉它我经常做这件事请你帮我封装成一个 skill把每一步写清楚。它通常会先问几个问题——输出格式、保存位置、包含哪些步骤。你答完它就生成一份 Markdown。手里有自己的例子直接丢给它参考效果更好。第三步改造成你自己的。这一步最容易被忽略却最关键。Skill 本质就是 Markdown打开读一遍把不符合你习惯的地方改成你的偏好——笔记模板、综述顺序、去掉 AI 味的要求改完存回去它就从别人的模板变成你的规矩。另外一定要善用现成的。市面上已有大量公开好用的 skill直接安装就能用。但记住公开 skill 面向大众、偏普适未必契合你的思维和习惯。别将就着用也别一用不顺手就放弃——它是 Markdown改一改就是你的。一个例子就拿读一篇 PDF 文献并输出笔记来说。没有 skill 时每次都要交代一遍把 PDF 转成 Markdown提取研究问题、数据、方法、结论按我常用的格式整理存到知识库对应目录再更新索引……话长容易漏而且每次说的版本可能不一样AI 输出的格式也就忽好忽坏。有 skill 之后你只需说一句帮我把这篇文献存成笔记。AI 会自动走完整套流程转格式、提取、按你的模板写、存到正确位置、更新索引。你看不见这些中间步骤但它每次都执行得一模一样。同一个动作从讲五分钟需求变成说一句话从每次格式都不同变成每次都是一个模子。常见误区✗ 每次都从头描述需求从没想过封装没意识到同一件事已重复说了几十遍。✗ 根本不知道有 skill。很多人用了很久 AI Agent从没点开过 skill 列表白白错过一堆现成好工具。✗ 装了公开 skill 却从不改。下载一堆试用两个觉得不是我要的然后放弃。问题不在 skill 不好而在没意识到它就是 Markdown——改一改就顺手了。进阶标志✓ 你有自己的专属 skill 库里面至少有一部分是自己封装或改写的而不是全从别人那里搬的。✓ 同一件事重复三次以上就不再重新描述需求而是直接触发对应 skill。✓ 你能看懂任何 skill 的 Markdown并熟练改成适合自己的版本。✓ 你不只会用还能把自己到底怎么做事的这种隐性经验主动沉淀成流程文档交给 AI。✓ 最明显的一条输出开始稳定得不像 AI 临场发挥——格式统一、标准一致因为执行它的是你的流程而不是一次性的话。真到这一步AI Agent 在你手里就不再是会聊天的工具而是一套按你自己的方法论运转的体系。· · ·从摸索期到精进期——一条升级路径回头看这 5 点不是并列的 5 条建议而是一条层层递进的路。第 1 点是地基不把 AI 当合作者后面一切都无从谈起。第 2 点是基本功把文件都变成 Markdown交互的效率才上得来。第 3 点是制度把你这个人、这个项目写成约束文档AI 不用每次猜你。第 4 点是组织有了约束文档当总说明书你才敢把任务拆开、派给一支博士团队并行干活也才谈得上token 烧得快是好事。第 5 点是沉淀团队运转顺了那些反复发生的流程自然固化成一个一个 skill变成你私人定制的方法论。思维转变 → 格式习惯 → 约束先行 → 子代理团队 → skills 沉淀走到最后一步AI Agent 在你手里就不再是会聊天的工具而是一支按你的方法论运转的团队——你带它它帮你出活。说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】