5大核心AI概念
在开始使用EasyClaw之前，先花5分钟了解这些概念——它们将帮助你真正理解AI是如何工作的，而不是盲目地输入指令。
你不需要成为工程师，但你需要知道：AI为什么能做事、怎么才做得更准、什么时候会失误。
1. Agent（智能体）
小白怎么理解
Agent（智能体）可以简单理解成：“会做事的AI同事”。它不仅能聊天解释， 更重要的是能把你的目标变成具体步骤，并在每一步做完后继续推进，直到达到你想要的结果。
AI Agent的核心简介
一个典型AI Agent通常由三部分共同完成：
大脑（理解与决策） + 工具/能力（能去哪里做） + 执行循环（边做边检查）。
因此它看起来不是“一次性生成答案”，而是像项目负责人那样：先想清楚，再动手，再核对。
接下来讲清楚它是怎么运行的。你可以把Agent的工作过程想象成一个反复执行的循环： 理解任务 → 制定计划 → 调用工具 → 执行动作 → 验证结果 → 继续调整 → 汇报。
1）理解任务：
Agent会先判断你要解决什么问题、成功标准是什么、是否有约束条件（例如格式、语气、时间、不能做什么）。
如果信息不够，它可能会先向你提问，或先做必要的假设并说明。
2）制定计划（拆解步骤）：
大任务往往需要拆成小步骤。比如“整理收件箱”可能被拆成：
扫描邮件 → 识别类型（通知/账单/客户/杂项）→ 判断优先级 → 归档 → 起草回复（如需要）→ 汇总清单。
这一步决定了“先做什么、后做什么”。
3）调用工具/能力：
这也是Agent能“做事”的关键。没有工具，它只能停留在文字层面的建议；
有了工具，它就能真实执行动作，比如：读取文件、搜索信息、发送消息、访问企业系统、生成文档等。
你会看到Agent会“去对接外部世界”，而不只是生成一句话。
4）执行并记录：
在合适的步骤上，Agent会真正触发操作（例如调用某个服务接口、完成一次数据处理、生成一段可用内容）。
同时它会记录“我做到了哪一步”，方便后面继续推进或回滚纠错。
5）验证与纠错：
Agent不会只追求“看起来完成了”，它还会检查结果是否符合要求。
例如：输出是否缺少关键字段、是否违反了你的格式要求、是否存在明显错误或不确定点。
不满足就会重新规划下一步，继续迭代。
6）汇报结果与下一步：
最后，Agent会把它完成的内容、重要发现、以及下一步需要你确认的事项整理给你。
你能清楚知道：它做过什么、哪些完成了、哪些还在路上。
你说：「帮我整理收件箱，并把需要我回复的邮件汇总成待办清单。」
Agent可能会：先读取邮件列表 → 分类归档 → 提取发件人/主题/关键时间点 → 判断哪些需要回复 →
生成“待办清单”（含优先级与建议回复要点）→ 告诉你“已完成哪些分类、还剩哪些未读/不确定项”。
注意：它不是只给“整理思路”，而是产出可用的结果（清单/归档/草稿/进度）。
小白容易把Agent当成普通对话工具：只问“怎么做”。但真正的Agent需要可用的能力与执行流程。 如果一个系统只能解释步骤、却无法产出结果或触发动作，它更像“问答助手”，而不是Agent。 记住一句话：会说 ≠ 会做；Agent的优势在执行与反馈。
2. Skill（技能）
小白怎么理解
Skill（技能/能力）可以理解成：Agent用来“干活”的具体能力模块。
Agent负责思考与调度（接任务、决定下一步），而Skill负责把“下一步怎么做”变成
可执行的操作：比如检索资料、写文档、生成报告、调用接口、执行计算等。
没有Skill的Agent往往只能停留在建议层面；有了Skill，Agent才能真正产出结果。
Skill到底是什么（本质）
从工程角度看，一项Skill通常是一种“可调用的能力”，常见形态包括：
1）工具/函数（例如：搜索、计算、生成、翻译）；
2）业务流程（例如：下单、报销、工单创建）；
3）接口调用（例如：CRM查询、日程同步、发送邮件）。
关键不在“会不会聊天”，而在于Skill一般都有明确的边界：输入是什么、怎么执行、输出是什么。
这让Agent能够把任务拆解得更可靠，并在执行后获得可验证的结果。
Agent的循环里经常会出现“调用工具/能力”这一步， 而那一步调用的就通常是Skill。你可以把它想成：Agent像大脑，Skill像手脚与工具箱。
为了更深入，我们把“Agent循环里Skill是如何工作的”讲透：
1）Agent判断需要什么Skill
当任务进入执行阶段，Agent会分析当前步骤需要哪些能力。
例如“查找某个客户的历史沟通记录”需要“检索/读取”类Skill；
“起草跟进邮件”需要“生成文本/套模板”类Skill；
“把任务同步到待办系统”需要“写入/更新”类Skill。
2）Agent把参数填进Skill（输入）
Skill通常要求特定的输入格式，例如：关键词、时间范围、客户ID、目标受众、输出风格等。
Agent会把上下文提取出来并整理成Skill所需的参数。
这一步决定了执行是否准确：输入不对，输出大概率就会偏。
3）Skill执行得到结果（输出）
Skill执行后会返回结构化或半结构化结果，例如：检索到的条目列表、计算结果、生成的文档文本、接口返回的状态码等。
这些结果能被Agent再次读回，用于后续决策。
4）Agent校验输出并继续下一步（闭环）
Skill做完不是终点，Agent还会检查：结果是否满足约束、是否存在缺失信息、是否需要二次生成或修正。
如果不满足，它可能会调用另一个Skill（例如“补充检索”“重写文案”“格式化输出”）再迭代。
这就是Skill与Agent的“协同闭环”。
小白常把Skill当成“聊天指令”。但真正的Skill更像“接口”：
输入越清晰，输出越稳定；Agent才能可靠地重复执行并完成任务。
例如同样是“生成邮件”，Skill会要求语气、长度、收件人信息、关键信息字段，
这样生成出来的内容才不会每次跑偏。
举例：你让Agent“给潜在客户写跟进邮件，并创建待办”。
这通常会串联多项Skill，形成一个完整动作链：
1）客户资料检索Skill：输入客户ID/姓名，输出姓名、公司、最近一次沟通要点；
2）信息抽取/总结Skill：输入沟通记录，输出关键痛点与已达成事项；
3）邮件生成Skill：输入语气（专业/友好）、模板（跟进/促成）、关键点，输出邮件正文；
4）待办生成Skill：输入邮件内容与行动建议，输出待办条目（负责人、截止时间、步骤）；
5）写入日程/待办系统Skill：输入待办结构化数据，输出创建成功状态或链接。
你会发现：Agent看起来像是在“会做销售工作”，但这背后是Skill模块把真实能力拼成了一个工作流。 Agent负责把这些能力按对的顺序用起来。
许多人在做系统集成时会把Skill理解成一段提示词或一句话指令。
但如果没有明确的输入输出与可执行机制，Agent并不能稳定地复现同样的结果。
更正确的理解是：Skill是可调用的能力单元，提示词只是帮助你更好地“选择/组织”它。
可以用三个问题快速判断：
它能被调用吗？
它需要什么输入、输出是什么？
执行后是否能让Agent获得可用结果（而不仅是解释）？
满足这些，就更接近Skill；否则可能只是“建议型文本能力”。
继续用Agent的“运行循环”来理解Skill：Agent负责思考与调度，Skill负责执行具体步骤。 当Agent发现任务需要某项能力时，就会选择合适的Skill，把需要的参数塞进去，等待它返回结果， 再把结果拿回循环里做校验、补充或下一步规划。
举例：你让Agent“帮我写一封客户跟进邮件并生成待办”。
它可能会调用不同Skill：
1）检索客户信息（获取姓名、上次沟通要点）；
2）生成邮件草稿（按语气/长度/模板输出）；
3）生成待办清单（把下一步行动拆成条目）。
这些Skill拼起来，才形成“看起来很会做”的Agent行为。
Skill让Agent从“会说”变成“能落地”，通常带来三点好处：
更可靠（步骤固定、参数明确）、更可控（知道它在做哪件事）、更可复用（同一能力可用于不同任务）。
有人以为Skill就是“提示词”。其实Skill更像是可调用的能力模块（工具/接口/流程）。 没有清晰的输入输出与执行方式，Agent很难稳定重复同样的效果。
3. Prompt（提示词）
大众认知
Prompt（提示词）就是你用自然语言告诉AI的“一句话需求”。 你提出要做什么，AI就尽力把结果写出来。
深入理解
更准确地说，Prompt是你与AI沟通的核心接口。 对于接入了Agent和Skill的系统而言，好的Prompt不只是“让它生成文本”， 而是要让它知道什么时候该调用Skill、怎么填参数、输出长什么样、失败怎么处理。
| 类型 | 示例 | 效果 |
|---|---|---|
| ❌ 普通Prompt | 「帮我写封邮件」 | AI会自由发挥，信息缺失时容易乱猜，难以校验 |
| ✅ 好的Prompt（面向可执行） | 「你是B2B销售顾问。请写给技术总监的产品跟进邮件：语气专业简洁； 需要先从CRM读取张三的公司与上次沟通要点； 邮件必须包含：1）一句价值点2）对齐上次沟通的2点确认3）明确的下一步行动； 输出最后附上3条待办（含日期格式YYYY-MM-DD）。」 | 触发条件清晰 + 可调用能力明确 + 输出结构可校验 |
可以发现Prompt和前面两个概念（Agent / Skill） 是同一套运行逻辑的另一面：Agent需要Prompt来决定怎么做，Skill需要Prompt来决定填什么与怎么验。
“Agent的工作循环”可以被理解为：
理解任务 → 制定计划 → 决策调用Skill → Skill执行 → 验证结果 → 继续调整 → 汇报。
而Prompt的作用，就是在每一步都给出规则，让它不走偏、不凭空猜、能形成闭环。
1）Prompt先定义“目标与成功标准”（为什么做）
这一步决定了Agent的“判分规则”。Prompt需要告诉它：你要解决的到底是什么问题、
以及什么结果算完成。
例如：不是“帮我写邮件”，而是“邮件必须包含哪些段落、语气怎样、长度范围、最后要给出下一步待办”。
没有成功标准的Prompt，Agent就只能做“看起来差不多”的输出，难以验证质量。
2）Prompt给出“触发条件与约束”（什么时候做什么）
一个能落地的Prompt通常会写清：什么时候该调用Skill，什么时候要提问。
比如：当缺少客户姓名或日期时，必须先索取，而不是默认“随便写个姓名/日期”。
这相当于减少了不确定性：约束越清楚，Agent越稳定。
3）Prompt描述“需要哪些Skill，以及每个Skill的输入输出约定”（用什么工具做）
Prompt里要明确：
要调用哪个Skill、它需要的输入字段是什么、输入字段从哪里来、格式要求是什么；
同时要明确：Skill输出应该以什么结构返回（例如JSON字段、列表、表格、固定段落结构等）。
这一步是Prompt真正“工程化”的关键：让Agent把“下一步怎么做”变成“可以执行的能力调用”。
4）Prompt要求“校验与失败处理”（做完怎么判断对不对）
仅仅生成结果还不够，Prompt必须写明校验规则与失败策略。常见写法包括：
- Skill调用失败/返回空结果：先诊断原因（参数错误/权限/网络/数据缺失）再重试或降级；
- 输出缺少关键字段：必须补全或向用户提问，不允许硬猜；
- 格式不符合：触发“格式化Skill/重排Skill/重新生成”。
这让Agent不会陷入“反复输出但不收敛”的循环。
5）Prompt定义“最终输出格式”（输出要给谁用）
最后Prompt要规定结果如何呈现：哪些字段必须返回、字段名是什么、是否需要结构化结果、
是否需要附带可追踪信息（例如“是否调用了Skill、调用了哪个Skill、关键输入输出是什么”）。
你说：“帮我给潜在客户写跟进邮件，并创建待办”。
如果使用一个“可执行Prompt”，它会明确三件事：
触发条件：缺少客户姓名/日期先问；
Skill调用：先调用“检索客户信息Skill”，再调用“生成邮件Skill”，最后调用“创建待办Skill”；
输出校验：邮件必须包含价值点确认与下一步行动；待办必须含截止日期（YYYY-MM-DD）与负责人。
这样Agent才会从“写一封像样的邮件”变成“完成一个完整可落地的工作流”。
很多人写Prompt只要求“帮我做”，但没有成功标准、没有输入输出约定、也没有失败处理。
结果就是：Agent可能会自由发挥、缺字段时硬猜、输出难以校验，最终你也无法确认“它到底做对了没有”。
正确思路是：Prompt要像给Agent签的执行合同，让它每一步都可判断、可修正、可复用。
1）写角色与边界：告诉AI它是谁、你希望它遵循什么规则（“必须先校验再输出”“不得编造不存在的信息”）。
2）定格式与字段：规定输出结构（“返回JSON，包含字段A/B/C”或“邮件必须包含三段内容”）。
3）分步骤写触发：把任务拆成可执行动作，并给出什么时候调用Skill、什么时候提问、什么时候重试。
对比一下：“总结这篇文档” vs “用3个要点总结，并且每点不超过20个字，最后输出关键词列表（不少于5个）”——后者可校验、可复用，效果更稳定。
Agent负责思考与调度，Skill负责具体执行，而Prompt负责告诉Agent：何时调用Skill、怎么填参数、怎么验结果、最终输出要长什么样。
4. Memory（记忆）/ MEMORY.md
大众认知
AI的记事本：用来长期保存你的偏好和规则。
深入理解
Memory是Agent的长期记忆核心。普通对话往往只在一次会话里有效； 而写入MEMORY.md的内容，会在Agent每次启动时被优先读取， 从而让它“按你的方式做事”，而不是每次都从零开始问你需求。
例如你告诉Agent：“我偏好简洁的中文回复，代码用Python”。
如果这条偏好以合适的格式写入Memory，那么以后Agent再处理相同类型任务时，会默认遵循这些规则；
你就不需要反复强调，也更不容易产生“每次回复风格不一致”的问题。
如果把Agent看作执行者、把Skill看作工具箱，那么Memory就是Agent的长期配置：
Agent每次开始，会先读Memory获取你的偏好与SOP，然后在规划与调用Skill时把这些约束带进去。
因此Memory让“可执行规则”长期生效。
为了确保Memory真正“可用”，它需要具备前面三点的标准：稳定触发、输入清晰、输出可校验。 也就是说，写进Memory的内容要能明确指导Agent接下来怎么做，而不是一句泛泛的情绪表达。
建议把Memory写成这种“规则清单”风格：
- 写作风格偏好：例如“中文且简洁”“结论先行”“每段不超过3句”
- 格式要求：例如“代码用Python”“表格输出字段包含A/B/C”“日期格式YYYY-MM-DD”
- 决策SOP：例如“发现信息不足先提问，不要猜测；给出备选方案并标注风险”
- 长期上下文：例如“我的团队是B2B交付”“常用工具为XX（如适用）”
与其每次都解释“你希望它怎么输出”，不如一次性把你的工作习惯写进Memory，让Agent每次启动都自动遵循。
你越早把这些规则固化，后续越省心、越一致。
你可以按频率优先级来写：高频且稳定（长期偏好、固定流程）优先写入。
Memory不是草稿箱。临时性的、一次性的任务（如“今天帮我查一下深圳的天气”）
不要写入记忆，否则Memory文件会逐渐臃肿杂乱，导致Agent在长期判断时被干扰。
原则：固定偏好与长期SOP才写入，临时任务忽略。
如果答案是：
1）这条规则未来还会反复用到吗？
2）它能稳定改变输出格式/风格/执行策略吗？
3）它不会随着时间频繁变化吗？
满足越多，就越适合写入Memory。否则就放在本次对话的指令里即可。
Memory让Agent形成长期一致的工作方式：把稳定偏好与SOP固化进去，而把临时任务留在当次执行。
5. Soul（灵魂）/ SOUL.md
大众认知
AI的“性格设定”与行为底线：决定它“该怎么做、不能怎么做”。
深入理解
SOUL.md定义Agent的行为规则、价值观和操作边界。
它是Agent的“底层宪法”——哪些能做、哪些绝对不能做，在这里写清楚。
因此SOUL不只是风格偏好，它直接影响Agent的安全边界与合规输出。
如果说Memory是「记住了什么」，那Soul就是「规定了成为什么样的AI」。 例如：只回答产品相关问题；财务操作必须二次确认；禁止索要密码或敏感凭证； 涉及法律/医疗时必须给出免责声明并引导人工/专业渠道等。
SOUL.md的设置会直接决定Agent在高风险场景下的“拒绝方式”和“替代路径”。
如果部署为团队工具或涉及企业数据，SOUL配置不当可能导致越权、越界或合规风险。
因此在上线前，务必认真配置此文件，并用测试用例验证边界是否生效。
建议你把SOUL写成“可执行的规则清单”，并覆盖以下几类内容：
- 允许做什么：Agent的工作范围与领域边界（例如：只处理产品咨询/内部流程）。
- 禁止做什么：明确高风险行为的硬拒绝（例如：索要密码/密钥；承诺不确定结果；绕过权限）。
- 需要确认的动作：涉及转账、退款、合同、权限变更等必须二次确认或走审批的规则。
- 输出方式与语气：例如必须礼貌、不得人身攻击、不得使用威胁性表达。
- 遇到边界如何处理：无法完成时给出替代方案（例如：记录并转交人工/建议咨询专业部门）。
假设你为公司配置了一个客服Agent，它的SOUL.md可能包含：
• 永远保持礼貌，不使用辱骂或负面定性措辞；
• 不承诺退款或赔偿，只能说“我会记录并反馈/转交处理”；
• 遇到法律相关提问，统一回复“请咨询法务部门/专业人士”；
• 遇到索要密码、验证码、密钥：直接拒绝，并引导用户走正规流程验证。
设置之后，无论用户怎么引导，Agent都不会越界。
修改Soul后建议用几个测试问题验证：哪些应该拒绝、哪些应该需要确认、哪些可以正常回答。
你可以准备6类测试问题来验证Soul是否生效：
1）领域外问题：Agent是否拒绝或转导？
2）高风险请求：是否明确拒绝？
3）需要二次确认的动作：是否先确认再执行？
4）敏感信息索要：是否拒绝并给出安全替代流程？
5）合规/免责声明：是否按规则输出？
6）“诱导越权”：用户要求跳过流程时是否坚持边界？
SOUL.md决定Agent的“底线与边界”：它让AI在执行时既有原则、又可预期， 从而在团队与业务场景中更安全、更可靠。
进阶概念（可选）
以下三个概念会让你更“懂自动化”。它们并不是另起炉灶的知识点，而是把前面讲过的 Agent / Skill / Memory / Soul / Prompt 这套运行逻辑，真正落到“能跑起来、能串起来、能稳定集成”的层面。 新手可以先跳过；当你开始做多步骤流程、接入外部服务或排查数据传递问题时，再回来看会很省时间。
🔀 1）Workflow（工作流）
Workflow（工作流）可以理解成一条可复用的执行路线：把多个步骤串起来，让系统按顺序完成一个目标。 如果说Agent是“会想、会执行的同事”，那Workflow就是“给这位同事排好的任务队列和衔接方式”。 它解决的是：当任务不是一句话就能完成的时候，怎么稳定地把多步执行做成链路。
一个常见的Workflow往往包含以下元素（你可以按这个思路去理解EasyClaw的多步骤能力）：
- 步骤列表：第1步做什么、第2步做什么……每一步的职责边界清楚。
- 输入与输出：每一步都应该产生可被下一步使用的结构化结果，而不是只给“文字描述”。
- 条件与分支：例如“如果缺少关键字段就先提问/先补检索”，否则直接进入下一步。
- 校验与失败处理：例如“解析失败就重试或回退到备用方案”。
- 汇总输出：把最终结果以你能用的形式交付（清单、报告、任务列表、通知内容等）。
Workflow与前面概念如何对齐？可以用一句话串起来：
Agent负责决策与调度，Skill负责具体执行，Memory/Soul负责长期规则与边界，Prompt负责告诉它“怎么做”，Workflow负责把这些步骤按顺序连成链路。
举例：你要完成“把用户投诉升级为工单，并通知负责人”。 一个合理的Workflow可能像这样：
- 采集输入：从表单/消息中获取投诉内容、用户信息、时间线。
- 信息抽取：用Agent将投诉要点结构化（例如：问题类型、影响范围、关键时间点）。
- 规则判定：根据Soul/规则判断是否属于高优先级，需要升级还是先收集更多信息。
- 调用工单创建Skill：把结构化字段填入工单系统接口，生成工单编号。
- 调用通知Skill：将工单编号、要点摘要发送给负责人（飞书/邮件/IM）。
- 结果校验：确认工单创建返回成功状态、通知是否已发送。
- 汇总反馈：向用户或管理端输出“已创建工单 + 链接/编号 + 下一步处理建议”。
你会发现：Workflow解决的不是“怎么写一段解释”，而是“如何把多个工具调用与校验步骤可靠地串起来”。 当你开始做复杂流程（尤其跨系统：IM + 工单 + 数据库）时，Workflow就会成为你最依赖的能力。
📦 2）JSON（数据交换格式）
JSON是Agent与外部工具、API之间传递数据的标准格式。 在多步骤自动化里，JSON的作用非常关键：它让“下一步能不能拿到正确数据”变成可验证的问题， 而不是“靠直觉读懂一段自然语言”。
你可以把JSON理解为：系统内部的“结构化数据袋”。里面装的不是散句子，而是明确字段与类型，例如： 工单标题、用户ID、优先级、截止日期、通知内容等。
在EasyClaw的工作链路中，JSON典型出现在这些位置：
- Skill的输入与输出：Skill往往需要特定字段作为输入，返回结构化结果供Agent决策。
- API调用参数：例如调用飞书接口时，参数需要按字段组织成JSON。
- 步骤间传递数据：Workflow某一步的输出JSON会被下一步读取。
那为什么很多问题看起来“像Agent不会做”，其实是JSON的原因？ 常见情况包括：
- 字段名不一致：例如期望input是
user_id，但实际给了userId。 - 字段缺失：例如缺少必填字段，导致接口返回错误。
- 类型不匹配：例如日期应为字符串但传成了数字，或应为数组却给了文本。
- JSON格式错误：缺引号、少括号、末尾多逗号等，导致解析失败。
因此你排查集成问题的最佳顺序通常是： 先看JSON，再看Prompt，再看Agent的判断逻辑。 因为JSON是“能不能跑通”的底座。
🔑 3）API Key（接入密钥）
API Key是访问AI模型或第三方服务时的身份凭证。 没有正确的API Key，系统通常就无法调用对应模型或服务；就算Agent推理得再好，也只能停留在“无法执行”的状态。
在EasyClaw场景里，你需要区分两类情况：
- 默认使用官方能力/积分的情况：新手一般无需自备Key，因为平台已经帮你完成了接入。
- 接入自定义模型/自定义服务的情况：你需要在相应位置填写API Key，并让对应的Agent/Skill指向该模型。
API Key不仅是“能不能用”，还影响“用什么能力、成本与稳定性”：
- 选择模型：不同Key/不同模型可能带来不同推理质量、速度与输出格式表现。
- 成本控制：有的平台会按用量计费，Key对应的账户/额度会影响可用成本。
- 权限边界：某些服务的Key可能只允许有限接口调用，导致特定Skill执行失败。
排查“Skill调用失败”的常见思路包括： 确认Key是否填写正确、Key是否过期/额度不足、该Key是否具备调用权限。 如果API返回鉴权错误（401/403类），优先怀疑API Key配置问题。
什么时候必须认真看这些？（快速对照）
- 你要做多步骤自动化：Workflow会决定链路能否稳定跑通。
- 你要对接飞书/企业系统/外部接口：JSON决定数据能否正确传递、能否被解析。
- 你要接入自己的模型或自定义服务：API Key决定能否调用到对应能力。
- 你在排查“能解释但不能执行”或“执行失败但不知原因”：通常从Workflow串联、JSON结构、API Key权限这三处依次排查会最快。
Workflow 让步骤按顺序可靠执行，JSON 让每一步传递的数据结构正确可用， API Key 让工具与模型真的能被调用。三者合起来，你的自动化才能从“看起来智能”变成“真的能落地”。
Agent = 有执行力的AI同事
Skill = 可调用的能力模块（工具/接口/流程）
Prompt = 告诉Agent怎么做（规则、触发、输出、失败处理）
Memory = 长期偏好与SOP（让规则长期生效）
Soul = 行为宪法与边界（允许/禁止/确认策略）
Workflow = 多步骤接力赛的执行路线
JSON = 结构化数据交换格式（保证字段可用）
API Key = 第三方/模型接入凭证（保证能力可调用）