一、AI Agent 核心架构与前沿产品解析（1.5h）

1、问题：为什么现在要关注 AI Agent

(1) 从"问答式 AI"到"行动式 AI"的变化

① ChatGPT 时代：你问它答，像查百科全书

② Agent 时代：你给任务，它自己拆解、执行、交付，像一个"数字实习生"

(2) 这跟我们的工作有什么关系

① 不是取代人，而是改变人和工具的协作方式

② 对技术人员和非技术人员的影响有何不同

2、AI Agent 的主流核心架构

(1) 一个 Agent 到底是怎么工作的？

① 核心循环（用做菜类比）

1) 感知（看冰箱里有什么）→ 思考（决定做什么菜）→ 行动（切菜炒菜）→ 检查（尝一口调整）→ 循环

2) 对应技术术语：Observe → Plan → Act → Reflect → Loop

② 三大核心组成

1) 大脑（大模型）：负责理解和推理

2) 手脚（工具）：负责执行具体操作（搜索、写文件、调接口……）

3) 记忆（上下文）：负责记住前面做了什么、现在做到哪了

(2) 上下文工程（Context Engineering）

① 为什么这是当前最重要的技术话题之一

1) 大模型的"脑容量"有限（上下文窗口），如何在有限空间里塞入最有用的信息，直接决定 Agent 的表现

② 通俗理解

1) 类比：你给实习生布置任务时，背景信息给多了他记不住，给少了他做不对——上下文工程就是"给 AI 恰到好处的信息"

③ 关键策略

1) 信息筛选与压缩：只给 Agent 当前步骤需要的信息，而不是一股脑全倒

2) 记忆管理：短期记忆（当前任务）vs 长期记忆（历史经验/知识库）

3) 上下文窗口的"寸土寸金"：系统提示词、用户指令、工具返回结果、历史对话——如何分配优先级

(3) Harness 架构（Agent 的"调度中心"）

① 什么是 Harness

1) 类比：大模型是"大脑"，Harness 就是"神经系统"——负责把大脑的决策传递给手脚，再把手脚的反馈回传给大脑

2) 它是 Agent 框架中"连接模型与工具"的那一层，本质上是一种控制论

② 为什么理解 Harness 很重要

1) 不同的 Agent 产品（OpenClaw、Manus、Cursor 等）本质上是不同的 Harness 实现

2) 理解了 Harness，就理解了所有 Agent 产品的"底层逻辑"

3、前沿产品解析：OpenClaw、Hermes

(1)  OpenClaw/Hermes：让 AI "看见并操作"你的电脑

① 它解决什么问题

1) 很多软件没有 API，但有界面——OpenClaw 让 AI 像人一样通过界面操作软件

② 架构映射

1) 感知层 = 截屏 + 图像识别（AI 的"眼睛"）

2) 上下文 = 屏幕状态 + 历史操作记录

③ 安全注意事项（重点）

1) 为什么必须在沙箱中运行

2) 权限控制：不能让 AI 随意访问所有文件和系统

3) 操作确认机制：关键操作前需要人点头

4、安全准则总结

(1) 贯穿所有 Agent 技术的安全原则

① 最小权限：只给完成任务所需的最少权限

② 沙箱隔离：在受控环境中运行，不影响真实系统

③ 人机协同（Human-in-the-Loop）：关键节点需要人确认

④ 可审计可回滚：所有操作留痕，出问题能回退

(2) 非技术人员的安全意识要点

① 不要把敏感信息（密码、个人数据）直接丢给 Agent

② 不要在不了解 Agent 权限范围时让它执行重要操作

③ 养成"先小范围测试，再大规模使用"的习惯

5、小结与互动

(1) 回顾：Agent 核心架构 → 上下文工程 → Harness → 具体产品

(2) Q&A

二、以Manus 为代表看 Agent 功能协同机制（1.5h）

1、Manus 产品导入

(1) Manus：目前最接近"通用数字员工"的产品

① 它的能力拼图

1) 大脑 = 强大的基座模型（推理 + 规划）

2) 手脚 = 浏览器 + 代码执行 + 文件操作 + ……

3) 记忆 = 任务上下文 + 中间结果管理

4) Harness = 多工具调度 + 自动重试 + 反思修正

② 它做得好的地方 & 现阶段的局限

1) 亮点：任务拆解能力、多工具无缝切换

2) 局限：复杂长任务的稳定性、"幻觉"问题、安全边界、云环境的自身限制

(2) Manus 能力演示

① 演示/案例展示：用一个直观的任务演示 Manus 的端到端能力

1) 示例任务："帮我调研某个市场并生成报告"

② 观察重点：注意它在过程中切换了哪些工具、如何衔接

(3) 对比传统方式

① 传统 RPA：按固定脚本执行，遇到意外就卡住

② Agent 方式：理解目标，灵活应变，自动选择工具

2、多工具协同的核心架构

(1) 整体思路

① 类比：Agent 就像一个"项目经理"，手下有多个"专业工具人"

② 工作流程：任务拆解 → 工具选择 → 执行 → 结果汇总

(2) 浏览器模块

① 能做什么：打开网页、搜索信息、填写表单、下载文件

② 技术原理简述：无头浏览器（Headless Browser）+ 页面解析

③ 与普通"网页爬虫"的区别：具备上下文理解和交互能力

④ 实际场景举例：自动搜索竞品信息、批量填写在线表格

(3) 模型调用模块

① 核心大模型：负责理解任务、推理决策、生成内容

② 多模型协作：不同子任务可能调用不同的专用模型（文本、图像、代码等）

③ 实际场景举例：主模型规划任务，代码模型写处理脚本，文本模型撰写报告

(4) 文件系统模块

① 读写本地/云端文件，管理任务过程中的中间产物

② 实际场景举例：下载数据文件 → 处理 → 保存结果 → 生成最终报告

3、Agent 如何"思考"和"协调"

(1) 任务规划（Planning）

① Agent 收到任务后如何拆解为子任务

② 示例：把"帮我写一份竞品分析报告"拆解为：

1) 搜索竞品信息 → 整理数据 → 对比分析 → 生成报告

③ 类比：就像你给助理说"帮我准备明天的会议材料"，TA 会自己想需要哪些步骤

(2) 上下文管理（Context Management）

① 长任务中如何保持"记忆"

1) 上下文窗口的管理：哪些信息保留、哪些可以丢弃

2) 摘要机制：把长篇内容压缩为关键要点

② 多工具间如何传递信息

1) 工具A的输出 → 作为工具B的输入

2) 回应课程1中"上下文工程"的概念

(3) 错误处理与自我修正

① 当某一步失败时，Agent 如何应对

1) 重试策略：换一种方式再试

2) 回退策略：回到上一步重新规划

② "反思"机制：Agent 检查自己的输出是否合理

1) 类比：写完报告自己检查一遍，发现数据对不上就回去重新核实

(4) 典型协同流程端到端演示

① 以一个完整案例走通全流程

1) 示例："帮我找到某公司最新财报，提取关键数据，生成对比图表"

2) 展示每一步调用了哪个模块、模块间如何衔接

3) 标注每个环节对应的架构概念（规划、上下文、工具调度……）

4、能力边界与人机协作

(1) 当前 Agent 能做好的事

① 信息搜集与整理

② 重复性的多步骤流程

③ 格式化内容生成

(2) 现阶段还做不好的事

① 需要高度创意和判断力的任务

② 涉及复杂人际沟通的场景

③ 对准确性要求极高且无法验证的任务

(3) "幻觉"问题的应对

① 什么是幻觉：AI 一本正经地编造信息

② 缓解手段：交叉验证、人工复核关键节点

(4) 人机协作的最佳实践

① 什么时候该让 Agent 自主完成：流程清晰、容错空间大

② 什么时候需要人介入：关键决策、敏感操作、创意性工作

5、本节小结与互动

(1) 核心要点回顾

(2) 思考题：你的日常工作中，哪些任务适合交给这样的 Agent？

(3) Q&A