首页>技术文档>规则驱动的业务智能体>第 1 章
第一部 实操篇：从工具到系统

第二部回答了"业务智能体该如何设计"（原理），第一部回答"普通人如何上手用 AI、如何把 AI 接进自己的系统"（实操）。

如果说第二部是"造车原理"，第一部就是"驾驶手册"：先学会开常见的几款车（第 1 章），再学会把车接上自己的货（ERP 等系统，第 2 章），接着学会在复杂路况下不翻车、不迷路（降低幻觉，第 3 章），然后学会选车、规划出行路线（选型与落地，第 4 章），最后在"上高速"之前搞懂一个关键问题——通用工具"随机的回答"到了企业为什么必须"守规矩"（第 5 章）。

第一部面向无编程背景的普通用户，所有教程按"能照着做"的标准编写；涉及的产品功能以 2026 年公开版本为准，具体界面以实际为准。

注意事项：第一部介绍的通用产品天然带"随机性"——同一问题两次回答可能不同、该拒绝的未必拒绝、该留痕的未必留痕。对个人这无伤大雅，但直接用于企业业务即构成"不可靠"。企业应用如何消除这种随机性，是第 5 章与第二部共同回答的核心问题。

第 1 章：主流 AI 智能体工具操作实务

1.1 从"聊天机器人"到"行动式 AI"

普通用户接触 AI 的第一印象是"对话"。但 2026 年的主流产品已经完成了从"只会说"到"还能做"的进化，见表 1-1：

表 1-1　AI 工具的四个能力层级

能力层级 典型产品形态 能做什么 交付物
L1 对话层 传统聊天 AI 回答问题、生成文案 一段文字
L2 工具层 接入搜索/文件的 AI 联网查资料、读文件 带来源的回答
L3 行动层 AI 智能体（Agent） 自动拆解任务、读写文件、调用工具 文档 / 表格 / PPT / 代码 / 网页

核心判断标准：一个 AI 是否"会干活"，看它能否交付可验收的成果文件，而不只是一段回复。本章介绍的三款工具（WorkBuddy、TRAE Work、通义千问）分别代表"办公行动派""开发者工作台""全能问答王"三种定位，覆盖绝大多数普通用户场景。

1.2 WorkBuddy：腾讯 AI 办公工作台

1.2.1 定位与本质

WorkBuddy 是腾讯出品的全场景 AI 办公工作台。核心定位是行动式 AI——你一句话说清要做什么，它自动拆解任务、规划步骤、实际操作文件，最终交付可直接使用的成品（Word / PPT / Excel / 网页）。

表 1-2　WorkBuddy 的核心能力

能力 说明 一句话举例
读写本地文件 创建、编辑、分析电脑上的文档与表格 "帮我生成本周项目周报"
执行命令 安装环境、跑脚本、处理数据 "把这个 CSV 去重后排序"
联网查资料 搜索最新信息、抓取网页 "调研 2026 年 AI 行业趋势"
生成多媒体 AI 画图、生成视频、创建 3D 模型 "根据大纲做一份 10 页 PPT"
定时任务 设置每天自动执行的工作流 "每天早上 9 点整理昨日行业要闻"
连接外部服务 通过 MCP 连接器对接数百个平台 "查我邮箱最近的邮件"

1.2.2 安装与登录

  1. 访问官方站下载 Windows / macOS 客户端；
  2. 首次打开用微信扫码登录，手机验证后即可使用；
  3. 新用户通常赠送体验积分，用于抵扣大模型调用。

1.2.3 三种工作模式（务必先理解）

表 1-3　WorkBuddy 三种工作模式

模式 一句话理解 适用场景 新手建议
Craft 你说我做，立即执行 明确任务：写文档、做 PPT、分析数据 日常 90% 用它
Plan 先想后做，出方案确认再执行 复杂项目：建网站、大型重构 拿不准时切它
Ask 只问不动，纯问答 咨询评估：对比方案、代码审查 不想动文件时用它

误区提醒：指令太模糊（"帮我处理一下这个文件"）是新手最大的坑。好指令要说明目标："把这个文件的重复行删掉，按日期排序，输出新表"。

1.2.4 界面三区导航

WorkBuddy 的界面是经典的"三区"布局：左边找任务、中间下指令、右边收成品，如图 1-1 所示。

图 1-1　WorkBuddy 界面三区导航（示意图）

1.2.5 模型选择与自定义

底部下拉可选模型：混元（腾讯自研，办公整合最佳）、DeepSeek（推理与代码强）、KIMI（长文本）、智谱（通用）、Auto（自动按任务选择）。也支持填入 OpenAI 兼容协议 API Key 接入自定义模型。

1.2.6 技能（Skills）、连接器（MCP）与专家（Agent）

WorkBuddy 把"能力"拆成三层，见表 1-4：

表 1-4　技能、连接器与助理的概念对照

概念 本质 类比 例子
技能（Skill） 能力插件 给 AI 装一个软件 PDF 处理、PPT 生成
连接器（MCP） 外部数据通道 给 AI 接一根网线 腾讯文档、企业微信、GitHub
专家（Agent） 流程智能体 请一个专业顾问 数据分析专家、UI 设计专家

新手推荐先装：Web Search（联网搜索）、Agent Browser（动态网页抓取）、PDF 处理、Office 文档四件套、数据分析。安装后在对话中 AI 会自动调用。

1.2.7 第一个完整任务（照着做）

  1. 描述需求：在对话框输入"分析这份销售数据，找出销量 Top5 的产品，画一张月度趋势图"，并上传 CSV/Excel 文件；
  2. 选择模式：保持 Craft；
  3. 发送：AI 自动读取数据 → 计算 → 生成图表 → 交付分析报告；
  4. 查看结果：右侧结果区下载 docx / 图表文件。

1.2.8 界面全景：左侧边栏九大入口

WorkBuddy 界面左侧是功能导航区，九大入口覆盖从个人到团队、从手动到自动的全场景，分布如图 1-2 所示，逐条速查见表 1-5：

表 1-5　WorkBuddy 功能入口速查

入口 功能一句话 什么时候用 新手优先级
助理 个人专属 Agent，可接入微信/企业微信远程操控 日常办公主力、手机遥控电脑 ★★★★★
项目 团队共享上下文、任务协作空间 团队多人共用一套知识和配置 ★★★
专家 行业/领域专家 Agent，按角色分工执行任务 需要专业领域判断时 ★★★★
技能市场 安装/管理 Skills 能力插件 想让 AI 多一门本事时 ★★★★
连接器 MCP 外部数据通道配置 要接邮箱、ERP、第三方系统时 ★★★
自动化 定时任务、周期触发工作流 每天/每周自动执行的重复性工作 ★★★
记忆 个人偏好、历史对话记忆管理 想让 AI 记住某些固定规则 ★★
资料库 统一存放参考文档、SOP、知识库 有大量文件要让 AI 引用 ★★
灵感中心 提示词模板、案例灵感库 不知道怎么写指令时参考 ★

图 1-2　WorkBuddy 左侧边栏九大入口（示意图）

新手路径建议：先把「助理」用好（日常 90% 场景）→ 装 3~5 个核心技能（技能市场）→ 体验一个专家（专家）→ 再玩自动化和连接器。

1.2.9 技能（Skills）全流程用法

技能是 WorkBuddy 的"应用商店"——装了技能，AI 才会干对应的活。技能不是装得越多越好，精准匹配场景最重要。

第一步：找对技能（三种方式）

表 1-6　技能市场的三种使用方式

方式 操作 适用场景
技能市场浏览 左侧「技能」→ 按分类筛选 不知道有什么，先逛逛
搜索关键词 顶部搜索框输入"PDF""Excel" 明确知道要什么
对话中斜杠调用 输入框里打 / + 前几个字母 已装的技能，快速调用

第二步：安装（两个渠道）

渠道 A：技能市场一键安装（新手首选）

  1. 左侧「技能」→ 找到目标技能 → 点击「安装」；
  2. 单次安装不超过 10 个，优先装核心款，避免冲突；
  3. 安装后在对话中 AI 会自动识别并调用，也可以手动 / 指定。

渠道 B：命令行 / SkillHub 安装（进阶）

部分第三方技能需要命令行安装，适合开发者。在终端执行安装命令后，回到 WorkBuddy 刷新即可看到。

第三步：调用（两种触发）

表 1-7　技能的触发方式

触发方式 怎么做 什么时候用
自动调用 直接说需求，AI 自己判断用哪个技能 日常场景，省事
手动指定 输入框打 / 选技能，或明确说"调用 XX 技能做 XX" 任务复杂、怕 AI 选错技能时

避坑提醒（新手常犯）： * 技能不是越多越好——装太多会出现技能冲突，AI 反而选错； * 技能和模型要匹配——执行类技能（文档生成、Excel 处理）配执行型模型，分析类技能配推理型模型； * 安装后不会用？先在输入框打 /技能名 看说明，或问 AI"这个技能能做什么"。

新手必装技能清单（6 个核心款）

表 1-8　常用内置技能

技能名 解决什么问题 典型用法
Web Search 联网搜索最新信息 "查一下 2026 年 AI 行业报告"
Agent Browser 动态网页内容抓取 "提取这个网页的表格数据"
PDF 处理 PDF 阅读、提取、转换 "把这份 PDF 合同的关键条款列出来"
Office 文档四件套 Word/Excel/PPT 读写排版 "把这份 Excel 做成 10 页 PPT"
数据分析 数据清洗、统计、可视化 "分析这份销售数据，出 Top10 和趋势图"
批量文件处理 文件重命名、格式转换、整理分类 "把这个文件夹里的图片按日期重命名"

1.2.10 专家系统：让 AI 以专业身份干活

专家（Expert Agent）是 WorkBuddy 的进阶功能——相当于给 AI 穿上"专业套装"，用特定领域的方法论和工具链来执行任务。

专家 vs 技能 vs 专家团

表 1-9　技能与连接器的区别

概念 本质 一句话理解
技能（Skill） 工具能力 让 AI 会"做某件事"
专家（Agent） 角色 + 方法论 + 工具链 让 AI 以"某个领域的专家"身份干活
专家团（Team） 多位专家分工协作 让一个团队的 AI 配合完成复杂项目

一句话记忆：Skill 是能力，专家是能力加经验，专家团是多位专家加协作流程。

使用专家的三种方式

  1. 直接调用内置专家：左侧「专家」→ 按行业分类浏览 → 点击使用 → 输入需求；
  2. 对话中切换：输入 @专家名 后跟需求，如 @数据分析专家 帮我分析这份报表；
  3. 创建自定义专家：点击「创建专家」→ 填写角色定位、擅长领域、工具配置、工作流程 → 保存后即可调用。

专家团适用场景

当任务涉及多个专业角色协作时（如"做一个产品发布方案"需要文案 + 设计 + 数据分析 + 市场调研），专家团模式自动拆解任务、并行执行、汇总交付，效率远高于单 Agent 反复追问。

1.2.11 自动化：定时任务无人值守

自动化（Automation）就是"定时触发的 AI 工作流"——设定好时间和任务，WorkBuddy 到点自动执行，结果推送给你。

典型场景

表 1-10　定时任务场景示例

场景 触发频率 任务内容
每日行业简报 每天早上 9:00 抓取行业资讯 → 筛选重点 → 生成简报 → 推送微信
周报自动生成 每周五下午 汇总本周项目文档 → 提取进展与风险 → 生成周报
数据日报 每天晚上 8:00 读取业务系统数据 → 统计关键指标 → 生成日报 PDF
文件定期备份整理 每周日凌晨 扫描指定文件夹 → 分类归档 → 重命名 → 清理临时文件

配置五步走

  1. 左侧「自动化」→ 点击「新建自动化」；
  2. 设置触发条件：时间（每天/每周/每月）或事件触发；
  3. 填写任务描述——越具体越好，参考 1.3.4 的"六格任务卡"；
  4. 选择执行用的 Agent、模型和工作空间；
  5. 设置结果推送方式（客户端通知 / 微信 / 保存到指定文件夹）。

注意：自动化任务建议先用手动方式跑通验证，再设置成自动——直接自动化容易因为指令不清晰导致每次结果都不对。

1.2.12 进阶：远程控制（Claw 模式）

WorkBuddy 的杀手级功能之一：手机就能操控电脑上的 AI。

支持的渠道

配置流程（以微信为例）

  1. 左侧「助理」→ 找到「Claw 远程控制」开关；
  2. 用微信扫码绑定（或企业微信管理员统一配置）；
  3. 绑定后直接在微信里发消息，WorkBuddy 会在电脑上执行并回传结果；
  4. 可以设置"仅语音触发""需要确认后才执行"等安全选项。

安全提醒

1.2.13 学习路径：从新手到高手

表 1-11　WorkBuddy 学习路线

阶段 时长 掌握内容 标志
入门期 1~3 天 安装登录、Craft 模式跑第一个任务、上传文件做数据分析、Ask 模式提问 能独立交付一份文档/分析报告
熟练期 1 周 熟练切换三种模式、Plan 模式规划中等项目、安装 5~8 个常用技能、连接腾讯文档/邮箱 能应对日常办公 80% 场景
进阶期 2~4 周 会用专家系统、配置 3+ 个连接器、接入微信/钉钉远程操控、搭建自动化工作流、优化记忆与规则 有一套自己的 AI 工作流体系
精通期 1~2 月 能开发自定义 Skill、搭建专家团协作流程、企业级治理配置、成本优化 能在团队内推广和培训

1.2.14 进阶：企业版三产品矩阵

当从个人使用升级到企业部署时，WorkBuddy 不是单一产品，而是三款产品组成的一体化矩阵（以腾讯云 WorkBuddy Enterprise 为底座），覆盖从个人到团队再到平台工程的全场景，见表 1-12：

表 1-12　腾讯 AI 产品矩阵

产品 定位 目标用户 核心能力
CodeBuddy AI 原生全流程编程工具 产品、设计师、全栈开发者 智能需求转 PRD、设计稿转代码、全流程 AI 编程、一键部署
WorkBuddy 全场景职场 AI 智能体桌面工作台 产品、运营、研发、职能等全岗位 自然语言任务理解、自主多步骤规划、本地文件自动化、可验收结果交付
WorkBuddy Managed Agents 云端托管的智能体运行服务 企业 IT、平台工程、Agent 开发者 全流程 Agent 生命周期治理、Agent Runtime 沙箱、弹性算力、从十几到数万规模无需重构

Managed Agents 的工程价值值得特别关注——它把第二部第 16 章讲的"运行时基础设施"做成了开箱即用的云服务：

企业选型建议：如果团队主要是办公提效，WorkBuddy 桌面版够用；如果有大量开发需求，叠加 CodeBuddy；如果要构建企业自有 Agent 并规模化运行，Managed Agents 是底座级别的选择。

1.3 TRAE Work：字节 AI 原生工作台

1.3.1 定位与三端覆盖

TRAE Work 是字节跳动推出的 AI 原生工作台（由 TRAE SOLO 升级而来），提供网页版、桌面版、移动版三端，数据实时同步。核心逻辑同样是"你提任务，AI 执行"。

表 1-13　TRAE Work 版本对照

版本 适用场景 亮点
网页版 临时需求、快速验证 无需安装，有网即用（仅云端环境）
桌面版 长期开发、复杂项目 本地 + 云端双环境，性能更强
移动版 碎片化场景 按住说话下发任务，三端同步

1.3.2 三种模式：Work / Code / Design

TRAE Work 在界面左上角提供三个模式标签，按角色切换，如图 1-3 所示。三种模式的面向人群与核心能力见表 1-14。

图 1-3　TRAE Work 左上角的三种模式切换（来源：TRAE 官方文档）

表 1-14　TRAE Work 三种模式

模式 面向人群 核心能力
Work 产品经理、数据分析师、运营等非开发人员 文档处理、数据分析、演示稿、调研报告
Code 开发工程师 编码、调试、代码库管理、Git 工作流
Design 设计师与产品创意人员 深度兼容 Figma，一键生成视觉与交互

1.3.3 发起任务与工作区

在左上角切换模式 → 选择或创建项目 → 输入任务指令 → 发送。支持文字、语音、附件（.pptx / .xlsx / .pdf 等）、图片、斜杠命令、技能（Skill）。发起任务时的输入区与环境选择如图 1-4 所示。

图 1-4　TRAE Work 发起任务：输入区与云端环境选择（来源：TRAE 官方文档）

工作区共四个面板，如图 1-5 所示：

  1. 对话面板：实时对话；
  2. 待办（Todos）：复杂任务时 AI 列出任务计划，实时追踪子任务进度；
  3. 任务产物：存放 AI 生成的文件；
  4. 参考信息：显示 AI 引用的技能、文件、网络信息，可点击"压缩"控制上下文。

图 1-5　TRAE Work 工作区四面板（来源：TRAE 官方文档）

1.3.4 用"六格任务卡"减少返工

积分消耗最大的场景是需求没说清导致的反复修改。提交任务前写清六项内容，可显著减少返工，见表 1-15：

表 1-15　六格任务卡

格 内容 示例
目标 最终要解决什么问题 生成一份产品上线通知邮件
范围 允许检查和修改哪些文件/模块 只动 docs/ 下的文件
已知信息 已确认的现象、报错、环境 标题是 X，收件人是 Y
约束 哪些不能修改、能否加依赖 不引入新依赖
验收标准 满足哪些条件算完成 邮件含三段：上线时间/功能/注意事项
执行要求 先检查再修改，完成后跑哪些验证 完成后通读一遍语法

1.3.5 规则 + 记忆：一次配置，永久遵守

在"设置 → 规则"中创建规则，AI 在所有对话中都会遵守。例如："所有回答使用中文""代码风格遵循 PEP8""涉及金额必须带单位"。这是把个人偏好固化为 AI 行为的最简单方式，与第二部第 14 章"可训练配置"的思想同源。

1.3.6 拓展能力：GitHub 集成 / MCP / 技能

1.3.7 任务全流程：从发起到验收的完整路径

TRAE Work 的 Work 模式遵循"你提任务 → AI 规划执行 → 你验收结果"的闭环。完整流程分六步，如图 1-6 所示：

图 1-6　TRAE Work 任务全流程六步闭环

flowchart LR
    A[① 新建任务<br>选模式+工作区] --> B[② 描述需求<br>六格任务卡法]
    B --> C[③ 查看进度<br>待办/对话实时追踪]
    C --> D[④ 预览产物<br>工具面板查看]
    D --> E[⑤ 验收反馈<br>满意/修改/重做]
    E --> F[⑥ 沉淀复用<br>保存到项目]

① 新建任务

  1. 左上角确认当前模式（Work / Code / Design）；
  2. 点击「+ 新对话」或快捷键 Ctrl + N；
  3. 选择工作区（Workspace）：是本地文件夹还是云端工作区——这决定 AI 能访问哪些文件；
  4. 可选：先上传相关文件（拖拽到输入框，或点击附件按钮）。

关键提醒：一定要选对工作区。不选的话 AI 在临时空间里干活，文件散，还可能访问不到你想让它处理的资料。

② 描述需求

参考 1.3.4 的「六格任务卡」。写得越具体，返工越少。一个好的任务描述 = 目标 + 背景 + 约束 + 验收标准。

新手常见的"模糊表述" vs "清晰表述"，见表 1-16：

表 1-16　模糊表述与清晰表述对照

模糊表述 ❌ 清晰表述 ✅
"帮我处理一下这个文件" "把这个 Excel 里的销售数据按月份汇总，生成柱状图，输出为新的 xlsx 文件，放在原文件夹"
"写个周报" "根据附件里的本周项目文档，生成一页周报，分三部分：本周完成、下周计划、风险问题。字数控制在 500 字内"
"分析一下数据" "分析这份销售数据 Excel，找出销售额 Top5 的产品和同比增长率，输出 200 字以内的结论 + 一张趋势图"

③ 查看进度

任务启动后，可以从三个维度追踪进度：

小技巧：任务执行过程中随时可以打断。在输入框发消息就可以——AI 会停下当前操作，回应你的新指令。

④ 预览产物

AI 生成的文件会出现在工具面板中，可以直接在界面内预览：

⑤ 验收反馈

预览后有三种操作，见表 1-17：

表 1-17　验收与反馈的常用说法

操作 什么时候用 怎么说
确认交付 结果满意，可以用了 "没问题，就这样"或关闭对话
局部修改 大体可以，某几处要调 "第三部分写得太简了，补充两个案例"或"图表颜色改成蓝色系"
整体重做 方向不对，需要重来 "方向错了，应该是 XX 角度，重新做一份"

验收是你的权利，也是责任——AI 交付的是"初稿"还是"终稿"，取决于你的验收标准有多严格。

⑥ 沉淀复用

做得好的任务可以沉淀下来：

1.3.8 文件管理：工作区与文件操作

TRAE Work 强在"文件原生"——AI 操作文件就像你自己操作一样直观。

工作区（Workspace）概念

工作区就是 AI 的"活动范围"，分三类，如图 1-7 所示：

选择建议：

图 1-7　TRAE Work 三类工作区与选择建议（示意图）

文件操作五种方式

表 1-18　文件上传的五种方式

方式 操作 适用场景
拖拽上传 直接把文件拖进对话区 单个/少量文件
附件按钮 点击输入框旁的📎按钮 精确选择文件
工作区直接读 AI 自动读取工作区内的文件 已加入工作区的项目文件
粘贴截图 Ctrl + V 粘贴剪贴板里的图片 截图说明问题
斜杠引用 输入 /file 选文件 要精确引用某个具体文件时

1.3.9 对话技巧：追问、修正与迭代

一次对话就是一次协作。以下是提升效率的对话技巧：

黄金原则：一次只说一件事

把大任务拆成小任务，逐个完成。不要一次塞十个需求——AI 顾不过来，容易丢三落四。

三种高效追问方式

表 1-19　多轮追问的三种方式

追问方式 示例 效果
补充信息 "补充一下：目标用户是 30~40 岁的职场女性" 给 AI 更多上下文，结果更精准
局部修改 "第 2 页的图表改成折线图，其他不变" 只改指定部分，不浪费算力重做全文
要求解释 "你为什么这么分析？给我看下计算过程" 让 AI 展示推理链条，验证可信度

用好"重新生成"和"换模型"

1.3.10 三端协同：网页 + 桌面 + 移动

TRAE Work 的一个核心优势是三端联动——同一个账号体系下，任务数据实时同步，设备之间可以"接力"工作，见表 1-20：

表 1-20　TRAE 各端形态对照

端 形态 典型场景 核心价值
桌面版 独立客户端，不依赖 IDE 长期项目、复杂开发、深度办公 性能强、本地 + 云端双环境、交互丰富
网页版 浏览器直接访问 临时需求、快速验证、外出办公 免安装、即用即走、不占本地资源
移动版 App / 小程序 碎片化时间、通勤路上、现场调度 按住说话下达指令、跨设备任务管理、离线自动切云端

典型工作流：

  1. 早上通勤时，用移动版发语音"整理昨天的项目进度，生成一页简报"；
  2. 到公司，打开桌面版继续细化，AI 已在云端跑了大半；
  3. 出差路上，用网页版查看结果、做批注，随时验收。

这种"端 + 云"的架构与第二部第 16 章"运行时基础设施"中的计算与交互分离思想一致——重计算放云端，交互放端侧，设备只是"窗口"，任务本身在云端持续运行。

1.3.11 云端智能体（Cloud Agent）

桌面版支持本地环境和云端沙箱两种运行模式。云端沙箱的价值在于：

什么时候该用云端模式？

1.3.12 企业版：效能可量化

TRAE 企业版提供的不只是"更好用的 AI"，更是"看得见效果"的 AI——它把 AI 的使用效果量化成可追踪的指标，见表 1-21：

表 1-21　团队效能看板

维度 能力 解决什么问题
效能看板 AI 生成率、AI 代码量、活跃度实时追踪 "AI 到底帮我们省了多少时间"有数据可查
成本可控 企业费用上限、实时消耗监控 月底不"惊喜"，预算可预测
使用透明 成员激活状态、工具使用次数全掌握 谁在用、用在哪、用了多少，一目了然
多部署模式 SaaS、VPC 可选 匹配不同安全合规等级
自定义能力 企业规则、知识库、Agent 配置 AI 说"公司的话"、懂"公司的事"

企业版特别强调"用后即抛、不训练模型"——数据全链路加密传输，云端零存储，模型不可训练、无日志存储。这与第二部第 12 章"数据安全与隐私保护"的原则一致。

1.4 通义千问：全能问答与文档处理

1.4.1 定位

通义千问（qwen.ai / qianwen.com）是阿里巴巴的大模型助手，覆盖网页、App 与 API（百炼平台）。在长文本、文档处理、中文理解上表现突出，2026 年多个国际评测中位列全球第一梯队。

1.4.2 模型选择：轻/中/重搭配

通义千问区分多个模型，需要手动选择默认模型（提问无法自动触发切换），见表 1-22：

表 1-22　通义千问模型选型

模型 定位 适用场景
Qwen-Turbo 快速、省资源 查天气、转述通知、格式整理
Qwen-Plus 均衡型 写邮件、润色文案、日常问答
Qwen-Max 强推理、长上下文 数学证明、代码调试、合同条款比对

切换路径：网页端点击头像 → 设置 → 模型偏好 → 设为默认；注意新开的对话才应用新模型。三档模型的分工与切换路径如图 1-8 所示。

图 1-8　通义千问模型选型与切换路径（示意图）

1.4.3 深度思考模式

深度思考模式仅对 Qwen-Max 生效。开启后响应变慢，但推理链条更完整，复杂问题的质量显著提升。激活：对话输入框上方「…」→ 深度思考；或 App「我的 → 设置 → AI 能力 → 深度思考」。注意：在 Qwen-Turbo 下开启会被静默忽略，不生效。

1.4.4 五个高频实用功能

  1. 文档处理：拖入 PDF / Word / Excel，问"这份合同有哪些对我不利的条款？""总结报告核心观点"，长文本自动读完；
  2. AI 搜索 + 热点追踪：输入话题，自动抓取多源信息，生成带来源标注的综述；
  3. 代码调试：把报错信息完整贴入 + "分析这个报错问题出在哪"，再追问"怎么改"；
  4. PPT 大纲：输入主题，AI 生成每页标题与要点，再点击导出 PPT 自动排版；
  5. 翻译 + 文化适配：翻译成目标语言并调整表达习惯，适配海外受众。

1.4.5 进阶：CLI 与 API 参数

对命令行用户，通义千问 CLI 支持 :conf temperature=0.3 降低随机性、:conf max_new_tokens=512 限制长度。temperature 越低答案越稳定（见第 3 章），是降低"乱讲"的关键参数之一。

1.4.6 百炼平台：从零搭建企业智能体

如果说通义千问网页版是"个人 AI 助手"，那么阿里云百炼就是面向企业和开发者的"AI 工厂"——一站式大模型开发与应用平台，集成千问及主流第三方模型。

百炼的核心价值在于：零代码也能搭建一个可用的企业级智能体。不需要写代码，不需要懂算法，通过可视化配置就能把"大模型 + 知识库 + 插件 + 工作流"组装成一个 Agent。

百炼的三层能力模型

表 1-23　通义千问的能力分层

层级 能力 谁用 怎么用
模型服务层 调用 Qwen 全系列 + DeepSeek、Kimi、GLM 等第三方模型 开发者 兼容 OpenAI 接口，几行代码接入
应用构建层 可视化搭建智能体、工作流、知识库 业务人员 / 开发者 零代码拖拽 + 高代码两种模式
模型调优层 SFT 微调、DPO 偏好优化、模型评测与部署 AI 工程师 / 算法团队 可视化操作，无需手写训练代码

1.4.7 实战：30 分钟搭建第一个智能体

以下是从零搭建一个企业知识库问答智能体的完整步骤，照着做就能跑通。

前置准备

第一步：创建知识库（RAG）

知识库是企业智能体的"大脑外挂"——把公司的文档、手册、FAQ 放进去，AI 回答时会从里面检索，基于你的资料回答，显著减少幻觉。

  1. 登录百炼控制台 → 左侧「应用开发」→「知识库」；
  2. 点击右上角「+ 创建知识库」；
  3. 基础配置：
    • 名称：如"XX 公司产品知识库"；
    • 知识库类型：选择文档搜索（支持文档/图片/Excel 混合，覆盖面最广）；
    • 应用场景：基础文档问答（通用场景首选）；
    • 嵌入模型：默认 text-embedding-v3 即可（综合性能优秀）；
  4. 点击「确认创建」。

为什么要知识库？ 大模型的知识是训练时学的，不知道你们公司的产品、流程、制度。RAG（检索增强生成）就是在回答之前先从你的文档里搜相关内容，再基于搜到的内容生成答案——相当于"开卷考试"，答案更准、更可信。

第二步：上传文档并处理

  1. 进入刚创建的知识库 → 点击「添加文档」；
  2. 选择上传方式：
    • 本地上传：拖拽文件上传，支持 PDF、Word、Excel、PPT、txt、md 等格式；
    • 网页爬虫：输入网址，自动抓取网页内容；
    • OSS 导入：企业已有文件存在阿里云 OSS 时使用；
  3. 上传后系统自动切片 + 向量化（把文档拆成小段，每段转成向量存起来，方便检索）；
  4. 等待处理完成（10 份文档通常几分钟内完成）。

文档质量决定答案质量，以下是优化建议：

第三步：创建智能体应用（Agent 2.0）

  1. 左侧「应用开发」→「应用管理」→ 点击「创建应用」；
  2. 选择应用类型：智能体应用（Agent 2.0）（推荐，自主规划能力更强）；
  3. 填写应用名称，点击「立即创建」；
  4. 自动跳转到配置界面。

Agent 1.0 vs 2.0 怎么选？

表 1-24　通义千问 Agent 1.0 与 2.0 对比

对比维度 Agent 1.0（旧版） Agent 2.0（新版，推荐）
规划调度 先检索知识库，再决定调不调其他工具 知识库 + 插件 + MCP 统一为工具，自主规划调用顺序
过程透明 只展示最终结果 完整展示"规划-执行-反思"全过程
适用场景 意图单一、流程固定的简单任务 从简单问答到复杂规划的各类任务

一句话：简单问答用 1.0 也够，但 2.0 是未来方向，新应用直接选 2.0 就好。

第四步：配置智能体能力

创建完成后，在配置页依次设置以下几项：

① 选择模型
② 配置系统提示词

系统提示词就是"给 AI 定规矩"——告诉它你是谁、该干什么、不该干什么。

一个好的系统提示词模板：

你是 XX 公司的客户服务助手，负责回答客户关于产品使用、售后政策的常见问题。

【角色定位】
- 你是专业、友好的客服人员
- 使用中文回答，语气亲切但正式
- 遇到不确定的问题，明确说"抱歉，这个问题我需要确认一下"，不要编造

【回答规范】
- 只基于知识库中的内容回答，知识库中没有的就说不知道
- 回答简洁明了，分点说明更好
- 涉及金额、时间等数字，务必准确
- 如果用户问题不明确，主动反问澄清

【工具使用】
- 优先从知识库检索答案
- 知识库没有相关内容时，可以礼貌告知
③ 添加知识库
  1. 在左侧能力列表找到「知识库」→ 点击添加；
  2. 选择刚才创建的知识库；
  3. 配置检索策略：
    • 检索块数：默认 3~5 块即可，太多会占用上下文，太少信息不全；
    • 相似度阈值：控制检索精度，0.6~0.7 是通用值；
    • 召回模式：优先选"向量检索 + 关键词召回"的混合模式，更准。
④ 配置内置工具（按需开启）

Agent 2.0 内置 7 个沙箱工具，默认关闭，按需开启，见表 1-25：

表 1-25　通义千问工具开关

工具 功能 什么时候开
bash 执行 shell / python 命令 需要数据分析、跑脚本时
write / read / edit 文件读写编辑 需要创建或修改文件时
glob / grep 文件搜索 需要在一堆文件里找内容时
download_file 产物下载 需要把生成的文件给用户时

安全原则：默认关闭 = 默认安全。只在确实需要的时候才开，用多少开多少——这和第二部第 12 章"最小权限原则"完全一致。

第五步：测试与调试

配置好后，在右侧的预览对话框里直接测试：

  1. 先问几个基础问题，比如"你是谁？""咱们公司产品有哪些？"；
  2. 再问一些知识库中的具体问题，验证答案是否准确、有没有引用文档；
  3. 问一个知识库没有的问题，看 AI 会不会"胡说"——如果会，回系统提示词里加上"不知道就说不知道"。

调试技巧：

第六步：发布应用

测试满意后，点击右上角「发布」→ 确认发布。发布后就可以对外使用了。

发布渠道（在「发布渠道」页签配置），见表 1-26：

表 1-26　通义千问的接入渠道

渠道 适合场景 接入方式
网页嵌入 官网、后台系统集成 复制嵌入代码，贴到网页里
钉钉机器人 企业内部使用 钉钉群里添加机器人
微信公众号 对外客户服务 公众号后台配置
API / SDK 自有系统深度集成 兼容 OpenAI 接口，几行代码调用
音视频互动 直播、客服场景 对接音视频平台

发布前检查清单： * [ ] 系统提示词里有没有说"不知道就说不知道"？ * [ ] 知识库文档是不是最新的？ * [ ] 只开了需要的工具吗？（最小权限原则） * [ ] 有没有测试过 10 个以上典型问题？ * [ ] 成本和用量限额设置好了吗？

1.4.8 进阶：Managed Agents 云端托管运行

如果你的智能体需要持续在云端运行（而不是只回答问题），比如自动跑数据分析、定时处理业务、执行长任务，那就需要 Managed Agents——百炼的云端托管智能体运行服务。

四步快速上手

  1. 配置智能体：填写名称、选择模型、写系统提示词、选工具；
  2. 配置运行环境：选择云端托管，设置预装的 pip 包（如 pandas、numpy）；
  3. 发起会话：上传文件（可选），输入第一个任务，智能体在云端沙箱里开始执行；
  4. 查看结果：在控制台看执行过程，下载生成的文件。

适合的场景

1.4.9 百炼智能体内置沙箱工具

百炼 Agent 2.0 内置了一套运行在隔离沙箱中的工具，相当于第二部第 16 章"运行时基础设施"的云端版，见表 1-27：

表 1-27　工具与第二部章节的对应

工具 功能 对应第二部章节
bash 执行 shell 命令（bash、python3、pip） 16.2 执行引擎
write / read / edit 文件创建、读取、精确替换 15.3 文件型记忆
glob / grep 文件模式搜索、内容搜索 16.1 检索能力
download_file 产物导出下载 16.5 结果交付

这些工具默认关闭、按需开启。默认关闭 = 默认安全——这是企业级平台的设计原则，与第二部第 12 章"最小权限原则"完全一致。

1.4.10 发布与集成：从"做出来"到"用起来"

百炼智能体做好后，可以一键发布到多个渠道：

A2A 协议值得注意——百炼支持 Agent-to-Agent 协议，可以构建多个分工明确的智能体协同工作的系统（如"客服 Agent + 技术支持 Agent + 工单 Agent"组成服务链）。这呼应了第二部第 16 章"多智能体协同"的架构模式。

1.4.11 学习路径：从使用者到建设者

表 1-28　通义千问学习路线

阶段 时长 掌握内容 能做什么
入门期 1 天 注册开通、模型选择、网页端对话 能用通义千问聊天、写文档
熟练期 1 周 文档处理、深度思考、PPT 生成、API 调用 日常办公全场景能用
进阶期 2~4 周 搭建知识库、创建 Agent 2.0、配置插件、发布到钉钉 能给团队/部门做一个专属智能体
精通期 1~2 月 Managed Agents、模型微调、工作流编排、多智能体协同、运维监控 能搭建企业级 Agent 平台

1.5 其他工具速览与选型对比

表 1-29　主流 AI 工具速览

工具 厂商 强项 适合谁
DeepSeek 深度求索 推理、代码、数学 开发与逻辑分析
Kimi 月之暗面 超长文本阅读 论文、长文档分析
豆包 字节 中文生成、多模态 内容创作、日常问答
ChatGPT OpenAI 生态与通用能力 全球化协作
Claude Anthropic 长上下文、MCP 标准发起者 开发者、复杂文档

选型口诀：明确任务优先用专业工具（办公用 WorkBuddy / TRAE Work，长文本用 Kimi / 千问，代码用 DeepSeek / TRAE Work Code 模式）；不确定时先用"Auto 自动模式"。

1.6 通用操作心法（跨工具适用）

无论用哪款工具，以下方法能显著提升效果：

  1. 把话说完整：给背景、给目标、给约束，不给一句"帮我处理一下"；
  2. 一次一件事：复杂任务拆步骤，或用 Plan 模式先出方案；
  3. 用文件喂上下文：能上传文件/截图就别只靠文字描述；
  4. 善用"规则/记忆"：把常用偏好一次配置，长期生效；
  5. 先看结果再追问：AI 交付后先检查产物，再要求迭代；
  6. 留意"参考信息"：AI 引用哪些来源，决定了答案是否可靠（呼应第 3 章）。

1.6.1 给智能体下指令：三种经过实证的高效句式

能不能把一句话"问对、说明白"，直接决定 AI 的交付质量。大量真实工程协作的复盘表明，高效输入有三种稳定句式：

  1. 目标 + 约束：先一次说清"最终要什么 + 受什么约束"，再谈做法，不要只丢半句需求让 AI 猜；
  2. 先方案后实施：复杂任务先说"先出方案/清单 → 我确认 → 再动手"。直接让 AI 闷头做大改，极易返工；
  3. 只分析不改：当你只想让 AI"看/查"时，必须显式写下"不修改代码/别急着改"——否则工具倾向于直接动手改代码。

1.6.2 给 AI 报缺陷的正确姿势

报缺陷不是描述症状，而是给 AI 一条"可定位、可实证"的线索链：

1.6.3 三个最容易踩的协作雷区

1.7 软件配置实用指南：五步把工具调成"可用的状态"

本章前 6 节讲"怎么用"，本节讲"怎么配"。同样一款工具，配不配、怎么配，效果可以差一个数量级。本节汇总五类最关键的配置——大模型切换、规则设置、项目记忆、用量查看、MCP 连接器——五步配好一款工具（如图 1-9 所示），就可以从"能聊"进入"能干活"。

图 1-9　新工具配置五步法

flowchart LR
    A[拿到一款新 AI 工具] --> B{先做什么}
    B -->|1| C[大模型切换<br>选对引擎]
    B -->|2| D[规则设置<br>定好规矩]
    B -->|3| E[项目记忆<br>续上上下文]
    B -->|4| F[用量查看<br>控住成本]
    B -->|5| G[MCP 连接器<br>接上外部]
    C & D & E & F & G --> H[工具进入稳定可用状态]

1.7.1 大模型切换：选对引擎，事半功倍

不同模型擅长不同任务，用错模型是"感觉 AI 很笨"的头号原因。主流工具都允许切换默认模型，见表 1-30：

表 1-30　按场景选择模型

场景 推荐模型 理由
日常问答 / 润色 / 格式整理 轻量或均衡模型 快、省积分，质量已够用
写代码 / 复杂推理 / 调试 推理型模型（如 DeepSeek） 推理链更完整，减少低级错误
长文档 / 合同比对 / 论文 长上下文模型（如 KIMI、千问 Max） 窗口大，不用手动分段
不确定该用哪个 Auto 自动模式 让工具按任务自动选择

切换路径速查（以各产品 2026 年界面为准）：

两个高频坑：

  1. 切换后没生效：多数产品只对"新对话"应用新模型，旧对话不换；
  2. 深思考模式被静默忽略：如千问的深度思考仅对 Qwen-Max 生效，在轻量模型下开启会被忽略。

1.7.2 规则设置：一次配置，永久遵守

规则（Rule / 自定义指令）是把个人偏好固化为 AI 行为的最低成本方式。配置后所有对话自动遵守，无需每次重复强调。

通用规则 vs 项目规则，见表 1-31：

表 1-31　规则设置的三种类型

类型 生效范围 适用
通用规则 所有对话 "回答一律使用中文""代码遵循 PEP8""金额必须带单位"
项目规则 仅当前项目/工作区 "本项目禁止修改 docs/ 下文件""日志输出英文"

配置三步（以 TRAE Work 为例）：

  1. 打开「设置 → 规则 → 新建」；
  2. 输入规则内容（建议用肯定句，写清约束对象与标准），如"所有回答使用中文，专业术语保留英文原文"；
  3. 保存。同一条规则在后续所有新对话中自动生效。

要点：规则写得越具体越有效。"好好说话"不如"回复控制在 200 字内，先结论后理由"。规则与第二部第 14 章"可训练配置"思想同源——把偏好从"人脑"搬到"配置"。

1.7.3 项目记忆：让 AI 记住你的上下文

记忆（Memory）让 AI 跨对话记住你的偏好、项目背景和约定，避免每次从头说起。

三档记忆的用途，见表 1-32：

表 1-32　记忆类型与使用建议

记忆类型 存什么 使用建议
会话内记忆 本轮对话的来龙去脉 长任务中途别乱开新会话
项目记忆 该项目的历史结论、约定 长期项目务必开启，减少重复解释
长期/个人记忆 跨项目的个人偏好 保存"我常用 XX 风格"这类稳定偏好

管理入口速查：

要点：记忆是"第二大脑"，但也会记错。涉及关键事实（客户名称、合同条款）时仍要核对原文——这正是第 3 章"交叉核验"的用武之地。

1.7.4 用量查看：把积分/Token 花在刀刃上

大模型调用要花钱/积分，超额往往发生在"需求没说清反复改"。用量查看是控制成本的仪表盘：

自查：如果一周内积分消耗异常快，先查"是不是总在用最贵的模型跑简单任务"。

1.7.5 MCP 连接器：给 AI 接上外部数据与工具

MCP（Model Context Protocol）是"AI 世界的 USB 接口"（详见第 2.2 节方式三）。配置后 AI 可以读取邮箱、文档库、业务系统数据。

配置三步（以 Claude Desktop 为例）：

  1. 安装 MCP Server：pip install 某-mcp（如 kingdee-mcp、erp-mcp，见第 2.4 节）；
  2. 声明连接：编辑配置文件 claude_desktop_config.json，写入 mcpServers 与服务参数（连接地址、账号、密钥）；
  3. 重启客户端：连接器出现在工具列表中，对话里 AI 自动调用。

安全提醒：

1.8 本章小结