把 AI 看懂 把工作做成 把方向守住
AI、Agent 与 Codex，从底层关系、真实执行到判断方法。
OPENING · 5 MIN
先确认我们在谈什么
过去我们从聊天框认识 AI。今天把视线从“它能回答什么”，移到“它怎样进入工作、怎样留下结果”。
在大家目前的印象里，AI 更像什么？
AI 正在从提供答案走向参与执行，但目标、证据、权限和最终责任仍然属于人。
整场只解决三个问题
- 01AI 为什么能读懂，又为什么会一本正经地说错？
- 02当 AI 能读取文件、调用软件、修改项目，会发生什么？
- 03当执行越来越快，人怎样避免在错误方向上高速前进？
第一板块 · 45 MIN
先看懂
AI 从文字走到行动
三层，十个概念。每个概念只回答一个问题。
01 · BIT
Bit：计算机的最小状态
它是什么Bit 是计算机表示和处理信息时最小的二进制状态。它不是 Beat。一个 Bit 只有 0 和 1，但组合数量会指数增长。
记住Token 是模型阅读时用的词块；Bit 是这些数字在计算机底层最终使用的二进制状态。
02 · TOKEN
Token：模型阅读文字的单位
它是什么Token 是分词器从文字中切出来的信息块。人看到的是一句话，模型会先把它切成若干 Token；切分结果取决于具体模型，不等于字数。
这是一套教学切分，用来解释过程；真实数量取决于模型的 Tokenizer。
Token ID 37046 更接近哪一种？
词表编号。向量才可以粗略类比成高维空间里的位置。
03 · LLM / TRANSFORMER
LLM：理解和生成语言的大模型
它是什么LLM 是 Large Language Model，也就是大语言模型。它从大量数据中学习语言规律，再根据已经看到的内容，预测接下来最合适的 Token。
这些都是日常会接触到的大模型体系。产品名称与底层模型名称不一定完全相同，这里先认清“谁家的模型”。
LLM 与 Transformer 的关系：LLM 是训练完成后供我们使用的整个模型；Transformer 是许多现代 LLM 用来处理上下文关系的核心架构。
概率仅用于教学示意。真实结果随模型、上下文和参数变化。
当前这个词，应该重点参考前文哪里？
点击句子里的“它”，看注意力怎样在候选对象之间分配。
边界流畅来自语言预测能力，真实仍然需要证据和验证。
04 · CONTEXT
Context：模型这一轮能看到的信息
它是什么Context 就是上下文，是模型在这一次任务中能够看到的全部信息，包括系统规则、当前问题、前面对话、文件和工具结果。
把材料放上工作桌
材料很少，模型可能缺背景。
缺乏必要背景，只能猜。
重要信息被无关材料淹没。
成本、延迟和干扰都会上升。
记住短 Prompt 不等于小 Context。“再优化一下”背后可能还有几十轮对话和一整套文件。
05 · PROMPT
Prompt：交给模型的任务说明
它是什么Prompt 是我们这一轮交给模型的指令和任务说明，不是神秘咒语。目标、背景、输入、约束、输出和标准越清楚，模型需要猜的地方越少。
“帮我把这张产品图做得更高级。”
“高级”仍然藏在说话人的脑子里。
保留产品主体和构图，使用深灰与银色，减少装饰、增加留白，强化金属材质和柔和侧光。先指出三个问题，再给修改方案；确认方向后生成。产品结构不得改变。
- 目标
- 背景
- 输入
- 约束
- 输出
- 标准
记住AI 不怕要求高，AI 怕标准只存在人的脑子里。
06—08 · API / TOOL / MCP
API、Tool、MCP：模型怎样连接外部世界
它们是什么API 规定软件怎样交换信息，Tool 是 Agent 可以实际调用的能力，MCP 则提供一种更统一的工具接入方式。三者处在不同层级。
软件之间按规则办事的服务窗口
规定请求、身份、权限与返回格式Agent 能够实际调用的外部能力
读取文件、运行命令、操作 Blender工具与资源的一种通用接入方式
统一提供 Tools、Resources、Prompts“库存、文档和项目系统都使用统一方式接入 Agent”对应什么？
MCP。它解决怎样连接得更标准，不解决是否有权连接。
09 · AGENT
Agent：围绕目标持续行动
它是什么Agent 是能够读取环境、制定步骤、调用工具、观察结果并继续修正的系统。它的工作从目标开始，直到形成可以验收的结果。
结果要长什么样，做到什么程度才算完成。
记住Agent 不是回答得更长，而是在边界内持续行动，直到形成可验收结果。
AGENT / DEEP DIVE 01
把 Agent 拆开，它不是一个模型
模型只是“大脑”。只有再加上材料、工具、执行循环、运行环境和权限边界，才组成一个能够持续做事的 Agent 系统。
模型决定它能怎样理解和推理
GPT、Claude、Gemini、Qwen、DeepSeek 都可以成为 Agent 的“大脑”。换模型会影响能力、速度、成本和表达，但不会自动带来工具、记忆和长期运行。
最容易混淆LLM 是 Agent 的一个组成部分；Agent 是把模型放进真实工作系统以后形成的整体。
AGENT / DEEP DIVE 02
AI 名词混乱，是因为六类东西挤在一起
以后听到一个新名字，先不要问“它厉不厉害”，先问：它属于哪个抽屉？
公司不是模型，也不是聊天产品
OpenAI、Anthropic、Google、字节跳动、阿里巴巴、DeepSeek 是组织或服务提供方。一家公司下面可以同时拥有多种模型、产品和 Agent。
先归类，再比较。公司和模型不能比，模型和App不能比，图片模型和通用Agent也不能比。
AGENT / DEEP DIVE 03
沿着一家公司往下看，名字就清楚了
同一家公司不一定把每个抽屉都填满；同一个品牌名也可能同时用于模型和产品。这里先认关系，不背版本号。
OpenAI
一家公司下面，同时有模型、面向用户的产品和执行型 Agent。
负责理解、推理与生成的模型家族。
人用来聊天、搜索、处理文件和使用工具的产品入口。
进入项目、修改文件、运行命令并检查结果的 coding agent。
面向图像生成与编辑的模型能力。
GPT 是模型家族；ChatGPT 是用户产品；Codex 是执行型 Agent。三个名字来自同一家公司，但不是同一种东西。
AGENT / DEEP DIVE 04
十三个常见名字，逐个放回正确抽屉
点一个名字，只回答四件事：它是什么、谁家的、主要做什么、最容易和什么混淆。
GPT 是 OpenAI 的模型家族
它可以成为 ChatGPT 或 Codex 等产品背后的“大脑”，但 GPT 本身不是聊天网站，也不是一个能够24小时工作的 Agent。
- 谁家的
- OpenAI
- 主要作用
- 理解、推理和生成
- 不要混成
- ChatGPT、Codex
“Claude”“Gemini”“豆包”“千问”有时既指模型家族，也被用作产品品牌。遇到这类名字，要继续问一句：你说的是底层模型，还是我正在使用的App？
你提到的“Coser”可能是 Coze（扣子）；如果你指的是 Cursor，它是另一类AI代码编辑器。这里把两者都列出来。
AGENT / DEEP DIVE 05
项目级 Agent 和“24小时 Agent”差在哪里
这不是模型智力等级，而是工作时长、触发方式、记忆范围和运行环境不同。
人问一句，它答一轮
典型状态是打开 ChatGPT、Claude 或 Gemini 进行对话。它可以使用工具，但通常由人发起每一步，任务结束后不会自动长期值守。
- 触发
- 人主动发消息
- 持续时间
- 一次会话
- 例子
- 普通聊天与文件问答
- 主要风险
- 把回答误当成执行结果
OpenClaw：持续型个人 Agent 框架
它把模型接到消息渠道、记忆、工具、计划任务和一台持续运行的机器上。模型可以更换，所以“龙虾”不是一个新的大模型，而是承载 Agent 的运行系统。
“24小时 Agent”不等于24小时不停思考。
更准确的意思是：运行环境一直可用，Agent可以在收到消息、到达时间、文件变化或系统事件时被唤醒。持续在线同时意味着凭证、费用、外部发送、误操作和日志都必须被管理。
10 · AGENT SKILL
Agent Skill：一类工作的可复用做法
它是什么Agent Skill 是针对一类任务沉淀下来的使用条件、固定步骤、质量标准和人工确认点。它更像岗位 SOP 或专业技能手册。
标准白底产品图
- 检查环境
- 套用模板
- 批量执行
- 逐项验收
- 异常转人工
一次做法 → 稳定流程 → 团队能力
第一板块回顾
十个词，连成一条路
第一板块解决“看懂”。接下来不再解释 Agent 是什么，直接看它怎样把事情做出来。
第二板块 · 45 MIN
再做成
Codex 怎样进入真实工作
它的价值不在于陪我们聊得更久，而是进入项目，形成可以检查的交付。
CODEX 是什么
会进入项目的执行型 Agent
OpenAI 对 Codex 的基本定义是“帮助写、审查和交付代码的 Agent”。这里的代码既可以构建软件，也可以成为读取文件、处理数据、调用专业工具和检查结果的执行手段。
给它一个目标，再给它一个工作目录。它会查看资料、制定步骤、修改文件、运行命令、检查结果，并把变更留给人验收。
不要只盯着对话框，要看任务、过程和证据
下面是教学界面示意，用来解释信息结构，不对应某个固定版本。
读取当前项目，把同一辆儿童电动车生成红、海军蓝、黑三套标准棚拍图。保持机位与灯光一致，输出工程、图片和运行记录。先检查环境，不要覆盖原文件。
- 检查工作目录与 Blender 环境
- 读取模型并确认材质对象
- 创建统一相机与灯光
- 运行三套颜色渲染
- 检查尺寸、颜色、命名与日志
- 汇总文件与验收结果
$ blender -b vehicle.blend -P render_variants.py
✓ RED 1600×1600 · saved
✓ NAVY 1600×1600 · saved
BLACK · rendering 78%
一个线程对应一件持续推进的事。目标、补充材料、修改意见和最终结果都留在这里，不必每次从头解释。
CODEX / EXECUTION
同一个要求，两种结果
先看工作区，再决定怎么做
读取文档、表格、图片、项目结构、规则和历史记录。资料与权限决定它能工作到什么程度。
任务怎样交
一句要求，还不是一张任务单
Codex 可以自己调查和补全步骤，但会改变方向的信息不能靠猜。复杂任务先写清六件事，返工会少很多。
“帮我把这批产品资料整理一下，顺便把上架内容也做好。”
- 目标
形成一份可核对的 SKU 主表，并为亚马逊美国站准备上架草稿。
- 材料
产品参数、历史标题、平台字段、品牌词库和禁用表达。
- 规则
参数不补猜；冲突单独标红；英制单位由公制换算并保留原值。
- 工具
只读取指定文件夹；允许创建 Excel 和 Word；暂不登录平台。
- 交付
SKU 主表、缺失项清单、标题与五点描述草稿、处理记录。
- 验收
字段覆盖率、冲突数量、来源可追溯；发布前由运营确认。
任务筛选
什么事情值得先交给 Codex
规则越清楚、结果越容易检查、错误越容易撤回，越适合先做一次真实尝试。
适合先做一个小范围试运行
明确目标 ＋ 必要资料 ＋ 执行规则 ＋ 可用工具 ＋ 验收标准BLENDER LIVE CASE
一辆儿童电动车，跑完整个链路
演示不比拼模型精细程度，只看 Agent 是否查看环境、拆解任务、调用工具、得到文件、检查错误并继续修正。
创建统一棚拍场景与 45° 相机，分别生成红、蓝、黑三套效果，输出渲染图、Blender 工程、执行脚本和运行记录。
- 01看环境目录、模型、软件、输出、权限
- 02拆任务模型、材质、灯光、相机、命名
- 03写脚本把要求转成 Blender Python
- 04运行由 Blender 完成真实 3D 处理
- 05检查数量、颜色、尺寸、报错与工程
- 06再修改只把蓝色调整为深海军蓝
先看环境，不急着生成
Agent 刚进入项目时，像刚到公司的新员工。先看资料、软件、输出要求和权限，再开始动手。
一次修改、运行、检查和修复。
核心模型、脚本与备用结果，保证环境异常时仍能讲清链路。
Agent 的价值不是第一次永远不出错，而是能观察结果、发现问题、继续修正，并留下可验收证据。
从演示回到生产
软件不必换，重复动作可以换一种做法
批量输出
- 换色与标准机位
- 正、侧、背、45°
- 不同平台尺寸
- 360° 展示素材
- 统一命名
场景批处理
- 导入并定位产品
- 检查单位与缺失贴图
- 对象命名与重复对象
- 批量创建渲染任务
- 按产品编号保存
仍然负责
- 商业主视觉与创意场景
- 材质真实性与画面情绪
- 构图、品牌与最终审美
- 异常历史模型
- 质量与发布把关
企业其他业务
六个岗位，六种真实起点
先从岗位每天已经在做的事情出发。每个场景都要说清输入、执行、交付、人工确认和最小试点，才不是一句空泛的“可以自动化”。
先把真资料对齐，再生成不同平台的草稿
输入
SKU 参数、品牌规则、历史文案、平台字段、禁用词执行
统一字段、标记缺失与冲突、生成标题卖点和差异表交付
SKU 主表、平台草稿、待确认清单、处理记录人工确认
关键参数、合规表述、价格、库存与最终发布首次试点
选择 20 个资料较完整的 SKU，只生成草稿，不直接发布跨岗位的共同结构
岗位不同，值得先做的工作很相似
Codex 不需要先学会一个完整岗位。先找到工作中反复出现的结构，再决定从哪一段切进去。
整理
把散落在文档、表格、网页和记录里的信息统一成同一套字段。
例：供应商报价对齐生成
基于已经确认的真资料，生成不同格式、平台或语言的第一版。
例：多平台上架草稿检查
按照规则逐项找缺失、冲突、异常、过期内容和不一致。
例：产品资料一致性审查批处理
把同一套动作稳定地作用在一批文件、图片、模型或数据上。
例：多色多角度渲染追踪
持续查看状态变化，把需要人决定的异常送到正确负责人。
例：库存与项目异常清单你每周最耗时间的一件事，属于整理、生成、检查、批处理，还是追踪？
权限与责任
哪些事情可以交出去
点开每项任务，判断它应该直接执行、准备后确认，还是必须由人决定。
分工低风险工作让 Codex 执行，中风险工作让 Codex 准备，高风险工作由人决定。
怎样在企业里开始
先证明一次，再谈自动运行
最稳妥的路径不是一上来改造整个部门，而是让一个小任务留下真实证据，然后逐级扩大。
单次任务
人在场，资料有限，范围明确，结果逐项检查。
证明：它能不能做出来固定模板
把成功任务的输入、规则、步骤和验收写成可复用模板。
证明：第二次能不能稳定重复流程
连接固定资料和工具，按批次运行，异常自动转给负责人。
证明：规模扩大后是否可靠团队 Skill
把标准、工具、权限、案例和失败经验沉淀成团队方法。
证明：换个人还能不能复现第二板块回顾
执行得快，还要方向正确
从“告诉我怎么做”到“帮我做完”
把零散操作连接成完整流程
把重复劳动转成脚本和 Skill
把个人经验沉淀成团队能力
第二板块解决“做成”。第三板块要解决：这件事到底值不值得做，方向有没有问准。
第三板块 · 32 MIN
最后做对
执行之前，先把方向问清
问题没有问准，答案越完整越危险。问、借、辩、行，把判断写进执行之前。
先看四种常见误判
危险通常不是“完全听不懂”
更常见的危险，是答案听起来很合理，于是我们过早停止检查。点开四种状态，看看问题藏在哪里。
语言的流畅度，只能证明这段话读起来顺；不能证明数据真实、前提成立、结论适合当前公司。
把答案中的事实、推断、假设和未知分别划出来。
判断力
AI 说得顺，不等于说得对
- 模糊问题
- 顺滑答案
- 直接接受
- 立即执行
隐藏假设会一起进入执行。
- 先审题
- 借视角
- 让分歧上桌
- 最小验证
把风险变成可以检查的动作。
先诊断，不急着开药
把承重假设找出来
“我要给全公司做一次 AI 培训。”
让员工从“AI 只是聊天工具”升级到“AI 可以进入工作流程”，理解 Agent 基本逻辑，看到 Codex 操作真实软件与文件，并掌握一套不盲目接受答案的判断方法。
每往下一层，离“马上给方案”更远，离“找准承重问题”更近。
- 原始要求我们想做什么？“建立一套 AI 批量产品图流程。”
- 真实目标到底想改变哪个结果？缩短标准产品图的制作周期，同时不降低一致性。
- 承重假设哪个前提一倒，方案就会倒？多数产品能够进入相对稳定的模板，而不是每款都需完全重做。
- 推翻条件看到什么证据就停止？模板场景仍需大量手工修复，或质量无法达到平台标准。
- 最小验证怎样用最小代价获得信息？选 30 个代表性 SKU，跑两周，记录时间、返工和错误。
打开“苏格拉底式审题”指令
暂时不要给我方案。 先通过苏格拉底式追问，帮助我澄清： 真正目标、目标对象、当前问题、期望变化、成功标准、 限制条件、隐藏假设、最大失败风险和明确不做的内容。 每次只问最关键的问题。 信息不足时不要替我假设答案。 最后把结果整理成一份问题框架。
借参照系，不借权威背书
换一副判断镜片
身份可以核验。
有公开研究、著作或项目。
能找到具体材料，不只借一个名字。
Ethan Mollick
用公开研究检查：培训是否让人真正与 AI 协作、看见能力边界，并从知识进入实际练习。
核验公开身份与研究 ↗Julie Dirksen
用学习设计框架检查：听众是谁、希望形成什么能力、互动是否帮助记忆，培训后能否真正使用。
核验著作与框架 ↗“根据专家公开方法做一次框架化评估”≠
“这就是专家本人对本项目的意见”
打开“真实专家选择与视角评估”指令
基于已经确认的问题框架，先不要直接评估项目。 寻找三位真实存在、与当前决策直接相关的专家。每位列出： 姓名和可核验身份；公开研究、著作或真实项目； 为什么相关；适合判断哪一部分；可能的偏向和盲区；资料来源。 等待我确认专家后，只根据可核验的公开框架评估项目。 明确区分：原始观点、已验证事实、框架应用、AI 推断和未知信息。 不要声称分析代表专家本人对本项目的意见或背书。
给方案做一次碰撞测试
让分歧上桌
先选判断视角，再选模型席位
下面是常见起点，不是永久排名。具体版本要用同题测试。先各自作答，不看别人的结论
共享同一份问题框架和验收标准，但第一轮保持独立，避免过早收敛。
底线五个模型都同意一个 D 级假设，它仍然只是 D 级假设。席位提交的是分析，不是选票。
打开“对抗性审查”指令
基于问题框架和专家视角，组织一次对抗性审查。 第一轮让各个视角独立判断； 第二轮只选择一个会改变方向、范围或者时间的核心分歧； 指定挑战者和被挑战者，要求对方直接回应。 最后区分已验证事实、合理推断、未验证假设和未知信息， 输出采用、修改、拒绝、待验证、推翻条件和最小验证动作。 不要以角色数量或者多数票决定结论。
完整案例 · 假设项目
要不要建立 AI 批量产品图流程
这是一个培训用决策案例，不是已经发生的项目结果。目标是看清四步怎样接在一起，而不是分别背四套指令。
“既然 AI 能做图，我们是不是可以把产品图全部自动化？”
“全部自动化”把标准图、创意图、质量责任和系统改造混成了一件事。
先把“全部自动化”改成一个能验证的问题
真实目标不是少用设计师，而是缩短标准白底产品图的制作周期，把设计师时间留给主视觉与异常处理。
- 承重假设
- 至少一部分产品可以进入稳定模板。
- 暂不讨论
- 品牌主视觉、创意场景、最终发布。
- 推翻条件
- 返工抵消节省时间，或质量达不到平台标准。
把裁决写成任务
让下一步可以执行、检查和回退
打开“交给 Codex 执行”指令
下面是一份经过问题澄清、专业审查和风险压测形成的行动单。 先检查目标、输入资料、交付物、验收标准、权限和依赖是否完整。 如果缺失信息会改变方向，先指出；如果信息足够： 1. 查看当前项目和资料； 2. 制定最小实施计划； 3. 按计划创建或者修改文件； 4. 运行并检查结果； 5. 发现问题后继续修复； 6. 根据验收标准逐项验证； 7. 报告完成内容、文件、运行方式、验收结果、遗留风险和待确认事项。 不要超出行动单范围。 不要进行未经授权的发布、付款、删除或者外部发送。
行动之后
做完一次，判断才真正更新
问借辩行不是“想清楚以后一次做对”，而是让每次行动产生证据，再用证据修正下一轮。
结果
实际交付了什么？完成到什么程度？
证据
时间、质量、错误和人工介入怎样变化？
偏差
哪些假设错了？问题出在资料、规则还是工具？
决定
扩大、修改、暂停，还是回到问题层重来？
沉淀
把有效做法和失败条件写回模板或 Skill。
没有复盘的执行，只完成了工作；能把证据写回方法，才形成组织能力。
现场练习
把“提升销售”变成一次可验证行动
问先把“提升”说清楚
提升哪一个指标？当前基线是多少？面向什么产品和客户？瓶颈在哪里？希望多久产生变化？
借让不同岗位提供判断标准
客户关心什么？运营认为瓶颈在哪？产品认为来自产品还是表达？财务判断增长是否有利润？
辩不靠投票判断流量、转化还是产品
先检查真实数据，找到对结果影响最大的环节。没有证据的判断继续保留为假设。
行只做一个最小验证
读取最近四周流量、广告、转化和退货数据，找出变化最大的环节，生成问题排序表。暂不调整广告和价格，等待负责人确认。
CLOSING · 5 MIN
三次升级，变成一种工作方式
从聊天框到完整系统
模型、材料、工具、权限、方法和验收共同工作。
从获得答案到形成交付
读取、计划、调用、创建、检查、修正，最后留下结果。
从依赖答案到组织判断
把问题、视角、分歧和证据放到行动之前。
十句话
- Bit 是计算机底层的 0 和 1，Token 是模型处理语言的信息块。
- Token ID 是词表编号，不是空间坐标；向量才是模型内部的高维表示。
- LLM 在 Context 中根据已有内容连续预测和生成 Token。
- Prompt 不是咒语，而是一张包含目标、材料、边界和标准的任务单。
- API 是服务窗口，Tool 是实际能力，MCP 提供通用接入方式。
- Agent 围绕目标持续执行、观察、检查和修正。
- Skill 把一次做法沉淀成可重复使用的专业方法。
- Codex 的价值不是只给方案，而是进入项目并形成可以检查的交付。
- 低风险让 Agent 执行，中风险让 Agent 准备，高风险由人决定。
- Prompt 决定一次回答，方法决定长期质量，判断力决定最终方向。
培训后的第一个行动
挑一件每周都在发生的真事
至少需要 30 分钟，步骤相对清楚，结果容易检查，出错可以撤回，不涉及高风险决策。
- 目标
- 输入资料
- 执行规则
- 允许工具
- 交付物
- 验收标准
- 人工确认动作
先完整执行一次。多次稳定，再沉淀成 Skill。
最好的 AI 培训，不是让大家记住 Agent 能做什么，而是让大家亲眼看到：一个想法怎样被理解、被判断、被执行，最后成为真实结果。