小白读懂 AI Agent

0. 怎么读

• 你的目标：30 分钟建立全局感；建议阅读：第 1 节导图 + 第 2 节亚马逊总案例
• 你的目标：能跟产品/技术同事对话；建议阅读：第 3～9 节 + 第 15 节术语表
• 你的目标：要做业务选型/排期；建议阅读：第 2 节落地优先级 + 第 12、14 节

阅读原则：遇到英文术语，先看「人话」；案例建立直觉，公式记牢骨架。

1. 一张图看懂全貌

Agent 用大模型当大脑，在看得见的信息（上下文）里思考，动手调用工具，根据结果再想下一步；外面再加一套约束与验证，才谈得上能办事、敢办事。

2. 亚马逊跨境运营 × Agent

把公司想成一支运营团队；把合格的 AI Agent 想成：能按目标办事、有权限边界、办完要拿数据交差的数字同事。

2.1 运营版导图

2.2 团队岗位 ↔ Agent 零件

2.3 完整业务链：广告异常（看懂 ReAct + Loop）

场景：某主力 ASIN 昨日 ACOS 从 25% 飙到 55%，负责人说：「把广告拉回来。」

三种「过早终止」：

2.4 各条运营线：更适合工作流，还是 Agent？

口诀：

1. 能写成 SOP、天天重复的 → 先上工作流
2. 要临场判断、路径会分叉的 → 再上 Agent
3. 动钱、动账号、动合规的 → 必须有 Harness（审批/上限/日志）
4. 说「优化完成」之前 → 必须有后台数字当验证器（Loop）

2.5 若开始「上 AI」，建议优先级

不必一上来就做「全自动运营 Agent」。更稳的顺序：

1. 知识库 + RAG：政策、SOP、话术、历史案例可检索（先减少胡说与违规）
2. 工作流自动化：日报、库存预警、广告数据汇聚到飞书
3. 带审核的生成：Listing / 邮件草稿 → 人审或规则审后才能贴进后台
4. 诊断型 Agent：广告/库存异常「给出假设与检查清单」，执行仍由人点确认
5. 高风险动作最后放开：自动改价、自动大额广告加预算、自动回复投诉——没有验证器与审批前不要上

2.6 用运营语言重说核心公式

运营 Agent ≈ 运营判断力（模型） + 今日该看的数与材料（上下文） + Seller Central / ERP / 表格（工具） + 预算红线与审批（Harness） + 「以后台结果为准」的收尾标准（Loop）

把团队带教新人，其实也是在搭一套 Harness：教他看哪些表（上下文）、能点哪些按钮（工具权限）、什么情况必须问主管（约束）、什么叫「今天的活收工」（验证）。

3. Agent 是什么

3.1 人话定义

AI Agent（智能体）不是「会聊天的网页」，而是：能理解目标、决定下一步、调用工具、根据反馈继续推进，直到任务完成或安全停下的系统。

亚马逊对照：聊天机器人会写「建议你降低无效点击词」；Agent（或按 Agent 方式工作的运营）会真正打开报告、改设置，并用次日数据证明有效。

3.2 核心公式（务必记住）

Agent = LLM（大脑） + Context（眼睛） + Tools（手脚）

生产环境常用说法：

Agent ≈ Model（模型） + Harness（脚手架）

Harness 把「上下文 + 工具」包起来，再加约束、验证、纠正——见第 6 节。

3.3 生活案例：帮你订餐厅

聊天机器人：告诉你「附近有三家评分不错，建议提前打电话」。

Agent：搜索空位 → 对比 → 预订 → 满座则换家 → 把确认写进日历。

差异不在「会不会说话」，而在会不会办事、办不完会不会继续办。

4. 怎么工作：想 → 做 → 看 → 再想

业界常用循环叫 ReAct（Reason + Act，推理 + 行动）：

Think（想）→ Act（做：调用工具）→ Observe（看结果）→ 再 Think ……

工作案例：客服退款

1. 想：用户要退货退款，先查订单状态
2. 做：调用「查询订单」工具
3. 看：订单显示已签收 3 天，仍在退货窗内
4. 想：可以走退货；先发退货地址
5. 做：创建退货单、发短信……
6. 直到「退款到账」或「需人工」才停

亚马逊版完整链条见第 2.3 节。

关键细节

• Agent 只能基于当前上下文决策——没写进上下文的信息，对它等于不存在
• 上下文大致 = 静态前缀（规矩、工具说明书）+ 轨迹（这轮里想了什么、调了什么、结果是什么）
• 「提示词写得好」很重要，但更重要的是：每一步工具结果有没有忠实地喂回去。缺了反馈，它可能原地空转

5. 为什么需要这一整套（而不只是换更强模型）

模型很强，但仍会：

• 幻觉：编造不存在的订单号、工具参数
• 偷懒：做一半就说「搞定了」
• 莽撞：不该退的款也退、不该删的文件也删

真实业务（钱、合规、客户信任、店铺账号）要求的是：可靠地做事，不是偶尔天才一次。

因此行业重心从「调一句神奇提示词」变成工程分层：

提示工程 → 上下文工程 → Harness 工程 → Loop 工程
（写指令）→（管看见什么）→（约束/验证/纠正）→（跨轮循环谁说了算）

它们是层层包含，不是互相取代。模型越强，Harness 会变薄，但不会消失——总有新边界要兜底。

6. 生产上怎么可靠：Harness

6.1 Harness 是什么

Harness（脚手架 / 挽具）：模型外面那一整套支撑机制。

6.2 生活类比

学车时：模型 ≈ 开车直觉；Harness ≈ 教练、限速、刹车辅助。直觉再好，没有护栏也不能上路载客。

6.3 和「提示词」的差别

口诀：规矩能写成强制执行的，就不要只写成「请你注意」。

7. Loop 工程：谁有权说「做完了」

7.1 问题从哪来

根因：「完成」若只是模型嘴上说说，那是宣称，不是证明。

7.2 Loop 工程在说什么

Loop Engineering（循环工程）：设计可持续运转的循环——

发现下一件该做的事 → 执行 → 用外部证据验证 → 记录进度 → 再转

业界共识：

• 循环的瓶颈在验证器，不在模型
• 模型可以提出「完成」，但不能批准自己的「完成」

7.3 Harness 和 Loop 怎么区分

8. 记忆、知识库与 RAG（别混）

进阶 Agentic RAG：自己决定还要不要再搜、资料够不够——类似资深运营会多开几个页面交叉验证，而不是只看一篇旧笔记。

9. 工具、MCP，以及代码为什么特殊

• 工具：Agent 的手脚；Schema ≈ 调用时的「填表说明」
• MCP：工具与数据源的「标准插头」——连 ERP、表格、浏览器不必每次从零发明对接
• Coding Agent（Cursor / Codex 等）：用代码创造新工具；可用测试验证——适合内部做报表脚本、同步工具；不要未经审批让它直接改生产店铺关键配置

10. 怎么知道 Agent 好不好：评估

评估对象往往是「模型 + Harness 整机」，不是孤立模型。

11. 怎么变强：训练与从经验中进化

口诀：SFT 偏记忆示范；RL 偏练泛化。多数运营团队应先把知识库、工作流、评估、审批做好，再谈要不要微调模型。

保存聊天记录 ≠ 学会了。复盘应进 SOP / 禁词表 / 检查清单，并允许回滚——类似把周会结论写进制度，而不是只留在某人脑子里。

12. 工作流（n8n）还是 Agent（Cursor）？

顺序建议：先优化提示词 → 再上工作流 → 最后才上自主 Agent

混合很常见：n8n 拉数推飞书；异常周再交给「诊断 Agent + 人工确认」。岗位级对照见第 2.4 节。

13. 多模态与多 Agent（拓展视野）

• 多模态：语音会议纪要、看广告后台截图点选（Computer Use）、仓库机器人等——难在实时与做错代价
• 多 Agent 何时值得：协作是否引入新信息（真实报表、竞品截图、测试结果）。几个模型对着同一段文字互吹，常常不如「一个写 Listing + 一个对照数据审」
• 成本：多 Agent 可能贵很多倍；收益盖不住时，调好的单 Agent / 工作流更划算

14. 落地检查清单

A. 目标与边界

• 成功长什么样？用 Seller Central / 广告报表 / ERP 哪张数证明？
• 绝对不能自动做的事？（大额加预算、改价、删 Listing、承诺禁语）
• 搞不定如何转人工？谁是值班人？

B. 编排选型

• 步骤是否基本固定？→ 优先工作流
• 是否高度开放？→ 再考虑 Agent
• 能否混合？

C. Harness / Loop

• 预算与权限是否强制锁死？
• 每一步结果是否写回（轨迹完整）？
• 「完成」是否由数据/状态批准？
• 是否有费用与轮次预算，防止空转？

D. 数据与评估

• 是否有真实历史案例考题？
• 是否有否决项（违规即不及格）？
• 改流程后能否对比店铺指标？

E. 组织角色

• 谁定义验证标准？（运营负责人 / 数据分析）
• 谁对账号安全与合规签字？

15. 术语速查（中英对照）

16. 把全书收进一张逻辑链

1. 是什么：Agent = 大脑 + 眼睛 + 手脚
2. 怎么做：ReAct：想 → 做 → 看 → 循环
3. 为何稳：Harness：约束 / 验证 / 纠正
4. 如何停：Loop：外部证据批准「完成」
5. 如何扩：记忆·知识·RAG·工具·代码·多模态·多 Agent
6. 如何好：评估出真信号 → 再更新提示/知识/程序/（慎）参数
7. 如何选：提示词 → 工作流 → 自主 Agent；贵且险的能力最后上

运营一句版：先让数字同事看得见该看的数，只能点允许点的按钮，办完拿后台交差——再谈聪不聪明。

17. 想继续深读时，对照原书

18. 送给小白的三句定心丸

1. 听懂公式，就听懂了半个行业：大脑、眼睛、手脚，外加脚手架。
2. 别迷信「更强模型解决一切」：没验证的「完成」只是话术；业务要证据（运营里就是后台数字与账号安全）。
3. 你的价值常常在循环与标准：定义什么叫办成、什么绝对不能做、失败如何升级——这正是 Loop / Harness 思维，不要求你会写底层模型。