標題：如何在零程式經驗下建立你的第一個 AI 代理（完整課程） 原文作者：@eng_khairallah1 翻譯：Peggy，BlockBeats
原文作者：律動BlockBeats
原文來源：
轉載：火星財經
編者按：AI 代理的門檻，可能比許多人想像得更低。
本文是一份面向普通用戶的零程式入門教程。文章從代理與聊天機器人的區別講起，進一步說明如何設計「代理藍圖」、如何運行任務、如何調試優化，並通過反覆迭代，讓一個代理從「基本能用」逐步變成「真正好用」。
對普通人來說，學會搭建代理，本質上就是學會將自己的重複性工作自動化。一個週末，兩天時間，也許就足夠你搭建出第一個屬於自己的 AI 代理。
以下為原文：
你不需要會寫程式碼，也可以搭建一個 AI 代理。建議收藏保存。
我希望你真的理解這一點。因為大多數人讀到這句話時會點頭，但內心深處仍然覺得：搭建代理這件事，只屬於開發者。
事實並非如此。只要你能用清晰的英語寫出明確指令，就可以在這個週末搭建出一個 AI 代理。不是玩具，不是演示版，而是一個真正可用的代理：它能夠接收一個目標，將其拆解為多個步驟，調用工具完成每一步，並最終交付真實結果。
現在正在搭建代理的人，並不全是工程師。他們中有行銷人員、創始人、顧問、研究員和內容創作者。他們只是掌握了一件事：如何把自己的需求描述得足夠清楚，讓 AI 能夠執行。
這就是唯一需要的能力。
本文會帶你從零開始，搭建你的第一個真正可用的 AI 代理。不需要程式碼，不需要終端經驗，也不需要計算機科學背景。你只需要 Claude、一個明確的目標，以及一個專注的週末。
到週日晚上，你就會擁有一個能夠為你的生活或事業真正發揮作用的代理。
週六上午：先理解什麼是真正的代理
代理不是聊天機器人
大多數人以為，代理只是更高級的聊天機器人。其實不是。
聊天機器人等待你的提問，然後給你一個答案，僅此而已。一個問題，一個答案。下一步要做什麼，仍由你完成。你再回來問下一個問題，再自己完成下一步。你才是整個流程的引擎，聊天機器人只是回應機器。
代理則完全不同。你給它一個目標，它會制定計畫，並一步步執行。它會調用工具，檢查自己的工作，處理過程中出現的問題，並交付最終結果。
兩者的核心差別在於自主性。聊天機器人是輔助工具，代理則能夠執行任務。
舉個真實場景：你想研究五個主要競爭對手，並生成一份對比文件。
如果使用聊天機器人，你需要先詢問第一個競爭對手，複製答案；再詢問第二個，複製答案；如此重複三次。然後你還要自己整理格式，自己撰寫分析。這會佔用你大約一小時的主動工作時間。
如果使用代理，你只需要說：「請研究我所在行業的五個主要競爭對手，從價格、功能、目標用戶和市場定位幾個維度進行比較，並生成一份格式化的對比文件。」代理會分別搜尋每個競爭對手的資訊，收集數據，組織內容，完成比較，並交付最終文件。你只需審閱結果。這可能只佔用你五分鐘。
結果相同，但過程完全不同。
一個代理如何運作
每個代理都包含四個組成部分。
第一，目標。也就是代理要完成什麼任務。目標越清楚，代理的表現越好。
第二，計畫。也就是代理為達成目標所採取的步驟。有些代理會自己生成計畫，有些會按照你設計的計畫執行。最好的代理往往兩者兼具：既遵循你提供的結構，也會根據執行過程中發現的資訊進行調整。
第三，工具。也就是代理可以調用的能力，例如網頁搜尋、讀取檔案、寫入檔案、計算、API 存取等。沒有工具，代理只是個會「邊想邊說」的文本生成器；有了工具，它才真正具備在現實世界中完成任務的能力。
第四，循環。代理會執行一步，檢查結果，判斷下一步該做什麼，然後重複這個過程，直到目標完成。這個循環機制，正是代理具備自主性的關鍵。它不會在完成一步後就停止，而是會持續推進，直到任務結束。
週六上午你需要做什麼
先把這一部分讀兩遍，直到你能向別人解釋聊天機器人和代理的差別。
然後，寫下你在工作或生活中目前仍然手動完成、但本質上具有多步驟流程的任務。對每一個任務，列出你通常會採取的步驟，以及你會使用的工具。
最後，從中選出最簡單的一個，作為你的第一個代理項目。
週六下午：用 Claude 搭建你的第一個代理
選擇你的平台
目前，你有兩個零程式搭建代理的選擇。
Claude Desktop 應用中的 Claude Cowork。這是最簡單的路徑。Cowork 能讓 Claude 存取你的檔案，並自主執行多步驟任務。如果你已經訂閱了 Claude 付費方案，並安裝了桌面端應用，就可以立即開始。
claude.ai 上的 Claude Projects。 如果你沒有桌面端應用，也可以直接在 Claude 網頁端通過 Projects 搭建代理。你可以建立一個專案，載入背景資料和指令，然後透過對話運行你的代理工作流程。
兩種方式都可以。Cowork 更強大，因為它可以存取你的本地檔案；Projects 更容易上手，因為它可以在任何瀏覽器中運行。
選擇你能使用的方式，然後繼續推進。
代理藍圖
在真正開始搭建之前，你需要先寫一頁代理藍圖。這個文件會將一個模糊的想法轉化為一個可執行的系統。
這份藍圖需要回答五個問題。
第一，目標是什麼？用一句話說明，具體且可衡量。
例如：「研究排名前 10 的 AI newsletter，並根據訂閱人數、發布頻率和主題覆蓋範圍進行排序。」
第二，步驟是什麼？按順序編號。
例如：
Step 1：搜尋最受歡迎的 AI newsletter。
Step 2：針對每一個 newsletter，查找其訂閱人數、發布節奏和主要主題。
Step 3：將資料整理成對比表格。
Step 4：按照訂閱人數進行排名。
Step 5：寫一段三段式總結，概括主要發現。
第三，代理需要哪些工具？列出即可。
例如：「網頁搜尋、資料整理、檔案建立。」
第四，最終輸出應該是什麼樣？請準確描述最終成品。
例如：「一份 Markdown 文件，包含一個按照訂閱人數排序的 10 個 newsletter 對比表，並附上一段總結，說明哪些 newsletter 增長最快。」
第五，如果代理卡住了，該怎麼辦？需要提前定義兜底規則。
例如：「如果訂閱人數沒有公開資料，就標註為『資料不可得』，不要自行猜測。」
在打開 Claude 之前，先寫好這份藍圖。藍圖本身就是你的代理。其他部分只是執行。
開始搭建代理
打開 Claude Cowork，或建立一個 Claude Project。將你的藍圖貼進去，作為指令。告訴 Claude 按步驟執行計畫，並在進入下一步之前檢查當前步驟是否完成。
然後觀察它如何運行。
Claude 會從第一步開始，搜尋網頁、收集資料、整理資訊、生成對比內容、撰寫總結，並交付最終文件。
你的第一個代理就這樣跑起來了。它不會完美。有些資料可能不準確，有些步驟可能不完整。這很正常。你會在下一階段修正它。
週六下午你需要做什麼
按照上面的五個問題，寫出一頁代理藍圖。
打開 Claude Cowork，或建立一個 Claude Project。
貼上你的藍圖，並運行代理。保存輸出結果，記錄哪些部分有效，哪些部分存在問題。
先不要急著修正。只觀察第一次運行結果。
週日上午：調試、優化，讓代理變得可靠
為什麼第一次運行永遠不是最後一次
你的第一個代理運行結果，很可能只有 60% 到 70% 是正確的。
這是正常現象。從「基本可用」到「穩定可靠」之間的差距，正是大多數人放棄的地方。他們看到結果不完美，就認定代理還沒有準備好。
他們錯了。代理已經準備好了。真正需要優化的是你的指令。
每一次不完美的輸出，都是一個信號。它會告訴你：藍圖中哪裡太模糊，哪裡過於雄心勃勃，哪裡缺少關鍵細節。
調試流程
拿出第一次運行的輸出結果，和你真正想要的結果進行對比。
針對每一個錯誤，問自己一個問題：「我的藍圖是否已經告訴代理應該如何正確處理這個問題？」
十有八九，答案是否定的。你以為代理應該知道某件事，但其實你從來沒有明確寫出來。
第一次運行代理時，最常見的問題包括：
· 目標太模糊，給代理留下了過多解釋空間； · 步驟缺失，導致代理必須自行發揮； · 沒有質量標準，因此代理不知道什麼叫「足夠好」； · 沒有錯誤處理機制，所以代理在遇到問題時選擇了猜測，而不是標註問題。
修復這些問題的方法，就是讓你的藍圖更加具體。然後再次運行代理。
優化循環
· 運行代理。 · 審閱輸出。 · 找出一個錯誤。 · 更新藍圖，修正這個問題。 · 再次運行代理。 · 重複這個過程。
這就是搭建代理的核心技能。重點不是第一次就寫出完美藍圖，而是透過快速迭代持續優化。
大多數人只需要三到四輪迭代，就能把代理的準確率從 60% 提升到 90%。最後剩下的 10%，則來自真實使用過程中逐漸發現的邊界情況。
週日上午你需要做什麼
審閱週六運行得到的輸出結果，並列出所有問題。
針對每一個問題，追溯它在藍圖中的缺口。
用更具體的指令、質量標準和錯誤處理規則更新藍圖。再運行代理三次，並在每一次運行後繼續優化。當輸出已經真正有用時，就可以停止。
週日下午：擴展它，並搭建你的第二個代理
一個代理很有趣，兩個代理才開始形成系統
現在你已經掌握了流程，可以為一個完全不同的任務搭建第二個代理。
第一個代理教會你機制。第二個代理會教會你速度。你會驚訝地發現，第二個代理搭建起來會快得多。藍圖可能只需要 15 分鐘，而不是一小時。第一次運行可能已經有 80% 的完成度，而不是 60%。優化可能只需要兩輪，而不是四輪。
這就是代理搭建經驗的複利效應。你搭建的每一個代理，都會讓下一個更快、更好。
如果你需要靈感，可以從以下幾個成熟的入門方向中選擇。
研究代理。給它一個主題，它會生成一份結構化研究簡報，包含關鍵發現、資訊來源和下一步建議。
內容再加工代理。給它一篇長文，它會按照你的語氣生成五條推文、三篇 LinkedIn 貼文和一段 newsletter 內容。
會議準備代理。給它一個人的姓名和公司，它會整理出一頁簡報，包括對方背景、近期動態、共同聯絡人以及建議討論話題。
競爭對手監測代理。給它三個競爭對手名稱，它會生成每週更新，追蹤這些公司的最新公告、價格變動和產品迭代。
郵件草稿代理。給它一批需要回覆的郵件，它會按照緊急程度分類，並根據你的語氣和偏好生成回覆草稿。
週日下午你需要做什麼
· 從上面的列表中選擇一個第二個代理的方向，也可以從你自己的工作中挑一個任務。
用 15 分鐘寫出藍圖。用一到兩個小時完成搭建和優化。
到這裡，你已經在一個週末內，零程式搭建了兩個可用的代理。
接下來會發生什麼
這個週末，你已經搭建了兩個代理。僅憑這一點，你就已經領先於 95%仍然只是與 AI 聊天的人。
接下來的路徑很清晰：繼續搭建更多代理，將它們連接到更多工具，再把它們串聯起來，讓一個代理的輸出成為另一個代理的輸入。你可以為團隊、客戶和自己的業務搭建代理。
現在正在搭建代理的人，實際上正在搭建未來的工作方式。不是因為代理已經完美，而是因為它們已經足夠好，可以處理那些不需要人類判斷的 80% 工作。
而「足夠好」這件事，每個月都在變得更好。
你已經向自己證明：不用寫程式碼，也可以在一個週末搭建出一個代理。
大多數人會讀完這篇文章，然後想著「也許有一天可以試試」。
但真正會在這個週末搭建出兩個代理的人，之後很難再回到所有事情都靠手動完成的工作方式。
希望這篇文章對你有幫助。
Khairallah ❤
124.18萬 熱度
21.19萬 熱度
254.18萬 熱度
29.15萬 熱度
1.99億 熱度
不用寫代碼，2天搭建你的第一個AI Agent（完整教程）
標題：如何在零程式經驗下建立你的第一個 AI 代理（完整課程）
原文作者：@eng_khairallah1
翻譯：Peggy，BlockBeats
原文作者：律動BlockBeats
原文來源：
轉載：火星財經
編者按：AI 代理的門檻，可能比許多人想像得更低。
本文是一份面向普通用戶的零程式入門教程。文章從代理與聊天機器人的區別講起，進一步說明如何設計「代理藍圖」、如何運行任務、如何調試優化，並通過反覆迭代，讓一個代理從「基本能用」逐步變成「真正好用」。
對普通人來說，學會搭建代理，本質上就是學會將自己的重複性工作自動化。一個週末，兩天時間，也許就足夠你搭建出第一個屬於自己的 AI 代理。
以下為原文：
你不需要會寫程式碼，也可以搭建一個 AI 代理。建議收藏保存。
我希望你真的理解這一點。因為大多數人讀到這句話時會點頭，但內心深處仍然覺得：搭建代理這件事，只屬於開發者。
事實並非如此。只要你能用清晰的英語寫出明確指令，就可以在這個週末搭建出一個 AI 代理。不是玩具，不是演示版，而是一個真正可用的代理：它能夠接收一個目標，將其拆解為多個步驟，調用工具完成每一步，並最終交付真實結果。
現在正在搭建代理的人，並不全是工程師。他們中有行銷人員、創始人、顧問、研究員和內容創作者。他們只是掌握了一件事：如何把自己的需求描述得足夠清楚，讓 AI 能夠執行。
這就是唯一需要的能力。
本文會帶你從零開始，搭建你的第一個真正可用的 AI 代理。不需要程式碼，不需要終端經驗，也不需要計算機科學背景。你只需要 Claude、一個明確的目標，以及一個專注的週末。
到週日晚上，你就會擁有一個能夠為你的生活或事業真正發揮作用的代理。
週六上午：先理解什麼是真正的代理
代理不是聊天機器人
大多數人以為，代理只是更高級的聊天機器人。其實不是。
聊天機器人等待你的提問，然後給你一個答案，僅此而已。一個問題，一個答案。下一步要做什麼，仍由你完成。你再回來問下一個問題，再自己完成下一步。你才是整個流程的引擎，聊天機器人只是回應機器。
代理則完全不同。你給它一個目標，它會制定計畫，並一步步執行。它會調用工具，檢查自己的工作，處理過程中出現的問題，並交付最終結果。
兩者的核心差別在於自主性。聊天機器人是輔助工具，代理則能夠執行任務。
舉個真實場景：你想研究五個主要競爭對手，並生成一份對比文件。
如果使用聊天機器人，你需要先詢問第一個競爭對手，複製答案；再詢問第二個，複製答案；如此重複三次。然後你還要自己整理格式，自己撰寫分析。這會佔用你大約一小時的主動工作時間。
如果使用代理，你只需要說：「請研究我所在行業的五個主要競爭對手，從價格、功能、目標用戶和市場定位幾個維度進行比較，並生成一份格式化的對比文件。」代理會分別搜尋每個競爭對手的資訊，收集數據，組織內容，完成比較，並交付最終文件。你只需審閱結果。這可能只佔用你五分鐘。
結果相同，但過程完全不同。
一個代理如何運作
每個代理都包含四個組成部分。
第一，目標。也就是代理要完成什麼任務。目標越清楚，代理的表現越好。
第二，計畫。也就是代理為達成目標所採取的步驟。有些代理會自己生成計畫，有些會按照你設計的計畫執行。最好的代理往往兩者兼具：既遵循你提供的結構，也會根據執行過程中發現的資訊進行調整。
第三，工具。也就是代理可以調用的能力，例如網頁搜尋、讀取檔案、寫入檔案、計算、API 存取等。沒有工具，代理只是個會「邊想邊說」的文本生成器；有了工具，它才真正具備在現實世界中完成任務的能力。
第四，循環。代理會執行一步，檢查結果，判斷下一步該做什麼，然後重複這個過程，直到目標完成。這個循環機制，正是代理具備自主性的關鍵。它不會在完成一步後就停止，而是會持續推進，直到任務結束。
週六上午你需要做什麼
先把這一部分讀兩遍，直到你能向別人解釋聊天機器人和代理的差別。
然後，寫下你在工作或生活中目前仍然手動完成、但本質上具有多步驟流程的任務。對每一個任務，列出你通常會採取的步驟，以及你會使用的工具。
最後，從中選出最簡單的一個，作為你的第一個代理項目。
週六下午：用 Claude 搭建你的第一個代理
選擇你的平台
目前，你有兩個零程式搭建代理的選擇。
Claude Desktop 應用中的 Claude Cowork。這是最簡單的路徑。Cowork 能讓 Claude 存取你的檔案，並自主執行多步驟任務。如果你已經訂閱了 Claude 付費方案，並安裝了桌面端應用，就可以立即開始。
claude.ai 上的 Claude Projects。 如果你沒有桌面端應用，也可以直接在 Claude 網頁端通過 Projects 搭建代理。你可以建立一個專案，載入背景資料和指令，然後透過對話運行你的代理工作流程。
兩種方式都可以。Cowork 更強大，因為它可以存取你的本地檔案；Projects 更容易上手，因為它可以在任何瀏覽器中運行。
選擇你能使用的方式，然後繼續推進。
代理藍圖
在真正開始搭建之前，你需要先寫一頁代理藍圖。這個文件會將一個模糊的想法轉化為一個可執行的系統。
這份藍圖需要回答五個問題。
第一，目標是什麼？用一句話說明，具體且可衡量。
例如：「研究排名前 10 的 AI newsletter，並根據訂閱人數、發布頻率和主題覆蓋範圍進行排序。」
第二，步驟是什麼？按順序編號。
例如：
Step 1：搜尋最受歡迎的 AI newsletter。
Step 2：針對每一個 newsletter，查找其訂閱人數、發布節奏和主要主題。
Step 3：將資料整理成對比表格。
Step 4：按照訂閱人數進行排名。
Step 5：寫一段三段式總結，概括主要發現。
第三，代理需要哪些工具？列出即可。
例如：「網頁搜尋、資料整理、檔案建立。」
第四，最終輸出應該是什麼樣？請準確描述最終成品。
例如：「一份 Markdown 文件，包含一個按照訂閱人數排序的 10 個 newsletter 對比表，並附上一段總結，說明哪些 newsletter 增長最快。」
第五，如果代理卡住了，該怎麼辦？需要提前定義兜底規則。
例如：「如果訂閱人數沒有公開資料，就標註為『資料不可得』，不要自行猜測。」
在打開 Claude 之前，先寫好這份藍圖。藍圖本身就是你的代理。其他部分只是執行。
開始搭建代理
打開 Claude Cowork，或建立一個 Claude Project。將你的藍圖貼進去，作為指令。告訴 Claude 按步驟執行計畫，並在進入下一步之前檢查當前步驟是否完成。
然後觀察它如何運行。
Claude 會從第一步開始，搜尋網頁、收集資料、整理資訊、生成對比內容、撰寫總結，並交付最終文件。
你的第一個代理就這樣跑起來了。它不會完美。有些資料可能不準確，有些步驟可能不完整。這很正常。你會在下一階段修正它。
週六下午你需要做什麼
按照上面的五個問題，寫出一頁代理藍圖。
打開 Claude Cowork，或建立一個 Claude Project。
貼上你的藍圖，並運行代理。保存輸出結果，記錄哪些部分有效，哪些部分存在問題。
先不要急著修正。只觀察第一次運行結果。
週日上午：調試、優化，讓代理變得可靠
為什麼第一次運行永遠不是最後一次
你的第一個代理運行結果，很可能只有 60% 到 70% 是正確的。
這是正常現象。從「基本可用」到「穩定可靠」之間的差距，正是大多數人放棄的地方。他們看到結果不完美，就認定代理還沒有準備好。
他們錯了。代理已經準備好了。真正需要優化的是你的指令。
每一次不完美的輸出，都是一個信號。它會告訴你：藍圖中哪裡太模糊，哪裡過於雄心勃勃，哪裡缺少關鍵細節。
調試流程
拿出第一次運行的輸出結果，和你真正想要的結果進行對比。
針對每一個錯誤，問自己一個問題：「我的藍圖是否已經告訴代理應該如何正確處理這個問題？」
十有八九，答案是否定的。你以為代理應該知道某件事，但其實你從來沒有明確寫出來。
第一次運行代理時，最常見的問題包括：
· 目標太模糊，給代理留下了過多解釋空間；
· 步驟缺失，導致代理必須自行發揮；
· 沒有質量標準，因此代理不知道什麼叫「足夠好」；
· 沒有錯誤處理機制，所以代理在遇到問題時選擇了猜測，而不是標註問題。
修復這些問題的方法，就是讓你的藍圖更加具體。然後再次運行代理。
優化循環
· 運行代理。
· 審閱輸出。
· 找出一個錯誤。
· 更新藍圖，修正這個問題。
· 再次運行代理。
· 重複這個過程。
這就是搭建代理的核心技能。重點不是第一次就寫出完美藍圖，而是透過快速迭代持續優化。
大多數人只需要三到四輪迭代，就能把代理的準確率從 60% 提升到 90%。最後剩下的 10%，則來自真實使用過程中逐漸發現的邊界情況。
週日上午你需要做什麼
審閱週六運行得到的輸出結果，並列出所有問題。
針對每一個問題，追溯它在藍圖中的缺口。
用更具體的指令、質量標準和錯誤處理規則更新藍圖。再運行代理三次，並在每一次運行後繼續優化。當輸出已經真正有用時，就可以停止。
週日下午：擴展它，並搭建你的第二個代理
一個代理很有趣，兩個代理才開始形成系統
現在你已經掌握了流程，可以為一個完全不同的任務搭建第二個代理。
第一個代理教會你機制。第二個代理會教會你速度。你會驚訝地發現，第二個代理搭建起來會快得多。藍圖可能只需要 15 分鐘，而不是一小時。第一次運行可能已經有 80% 的完成度，而不是 60%。優化可能只需要兩輪，而不是四輪。
這就是代理搭建經驗的複利效應。你搭建的每一個代理，都會讓下一個更快、更好。
如果你需要靈感，可以從以下幾個成熟的入門方向中選擇。
研究代理。給它一個主題，它會生成一份結構化研究簡報，包含關鍵發現、資訊來源和下一步建議。
內容再加工代理。給它一篇長文，它會按照你的語氣生成五條推文、三篇 LinkedIn 貼文和一段 newsletter 內容。
會議準備代理。給它一個人的姓名和公司，它會整理出一頁簡報，包括對方背景、近期動態、共同聯絡人以及建議討論話題。
競爭對手監測代理。給它三個競爭對手名稱，它會生成每週更新，追蹤這些公司的最新公告、價格變動和產品迭代。
郵件草稿代理。給它一批需要回覆的郵件，它會按照緊急程度分類，並根據你的語氣和偏好生成回覆草稿。
週日下午你需要做什麼
· 從上面的列表中選擇一個第二個代理的方向，也可以從你自己的工作中挑一個任務。
用 15 分鐘寫出藍圖。用一到兩個小時完成搭建和優化。
到這裡，你已經在一個週末內，零程式搭建了兩個可用的代理。
接下來會發生什麼
這個週末，你已經搭建了兩個代理。僅憑這一點，你就已經領先於 95%仍然只是與 AI 聊天的人。
接下來的路徑很清晰：繼續搭建更多代理，將它們連接到更多工具，再把它們串聯起來，讓一個代理的輸出成為另一個代理的輸入。你可以為團隊、客戶和自己的業務搭建代理。
現在正在搭建代理的人，實際上正在搭建未來的工作方式。不是因為代理已經完美，而是因為它們已經足夠好，可以處理那些不需要人類判斷的 80% 工作。
而「足夠好」這件事，每個月都在變得更好。
你已經向自己證明：不用寫程式碼，也可以在一個週末搭建出一個代理。
大多數人會讀完這篇文章，然後想著「也許有一天可以試試」。
但真正會在這個週末搭建出兩個代理的人，之後很難再回到所有事情都靠手動完成的工作方式。
希望這篇文章對你有幫助。
Khairallah ❤