今天那篇文章发出去后，引来了不少朋友的讨论。其中一个被问得最多的问题是：你总说Agent和Skill是未来，那你自己日常工作是不是什么都丢给Agent去干？
实话实说，还真不是这样。正好借这个机会，我想深入聊聊这个话题，因为我发现这是个挺普遍的误解。很多人一听说Agent强大，就想把所有任务都往上堆，但在我的实际工作流里，Agent反而是我最后才会动用的工具。
我处理任务的优先级非常明确，大致分为三层：
- 凡是能用脚本自动化解决的，坚决不手写，也用不上Agent。
- 脚本逻辑写不死的、需要一些泛化能力的，就封装成独立的Skill。
- 只有那些真正需要动态规划、创造性判断和复杂推理的任务，才会交给真正的Agent。
这其实是一个不断向下沉淀、向上精炼的循环过程。
先说脚本。 脚本的逻辑是完全固定的：输入是什么、经过怎样的处理、输出是什么，全都是确定的。它不需要判断，也不该有意外。比如我飞书里跑着的各种自动化流程，都是典型的脚本场景。用Agent来处理这类事，纯属大炮打蚊子，既浪费资源，又引入了不必要的不确定性。
再说Skill。 有些事情，纯脚本确实搞不定。举个例子，我做的那个AI热点监控站里，有个资讯打分功能。每条资讯进来，都要评估它的重要性、相关性和时效性，给出综合分。资讯内容千变万化，你没法预设一套死板的评分规则。
这时就需要大模型的泛化能力了。但它又不需要Agent那种自主决策和多步骤规划，它只是一个单一的、被封装好的能力单元。这就是Skill（或者叫工具/函数）的价值所在。
最后才是Agent。 我动用Agent的场景，往往是那些你无法提前规划好所有路径的任务。你知道目标是什么，但中间的步骤取决于执行过程中遇到的具体情况。比如，生成一份极其详尽的竞品分析报告，或者在开发过程中，根据模糊需求动态生成并调整代码模块。
这类需要根据中间结果动态调整策略的任务，才是Agent真正的用武之地。
所以，脚本、Skill、Agent这三者，构成了一个动态的、可循环的金字塔模型。最高效的使用方式，恰恰是让Agent不断将已验证、可复用的逻辑，向下沉淀为Skill或固化为脚本。Agent自身则持续处理那些最顶层、尚未被固化的、充满不确定性的部分。
很多人一开始就踩的坑是，把所有事情不分青红皂白都丢给Agent。结果往往是慢、贵、还不稳定。问题不在于Agent本身，而在于很多场景根本用不到它。强行上马，只会徒增复杂度。
这才是AI能力在公司内部落地的健康循环：让Agent去创造和协调工具，让工具（脚本/Skill）去高效、稳定地执行具体任务。 这个飞轮一旦转起来，才是真正有生产力的AI应用形态。
（数字生命卡兹克：一种对技术与生命形态的趣味联想）
希望我的这些实践心得，能为你构建自己的自动化工作流提供一点不同的视角。如果你对脚本、Skill或是Agent的具体实现有更多想法，欢迎来云栈社区一起交流探讨。 | 
发表于 2 小时前
|
查看: 4|
回复: 0
