认识 Agent 与长文本写作

Step 2：Agent的简单认知与长文本写作

📥 承接上一步：你在 Step 1 完成了一份带来源标注的调研简报——查资料、交叉核验、提炼结论。那一步，你主要通过网页上的 AI 对话：问问题，拿答案，自己整理。

这一步，你要让 AI 帮你干一件更大的事——把简报变成一份完整的报告。

在此之前，我们要先深入探讨一下AI这个概念

事实上前面你使用的 DeepSeek、豆包等网页 AI 产品，其本质是大预言模型 LLM（Large Language Model）；接下来，我们要带大家体验更高级的AI——Agent。

Agent 的简单认知：能动手干活的搭档

AI、LLM 和 Agent到底都是啥？

AI（人工智能）是总称。它不是某一个产品，也不是某一个模型，而是一大类让机器表现出智能的技术和系统。

LLM（大语言模型）就是我们常说的豆包、deepseek、ChatCPT。它专门处理语言，可以理解并分析你的文字，随后给你回复，它有“脑子和嘴”。

Agent（智能体）则给LLM装上了“眼睛和手”，让模型在允许范围内读你本地的文件、用你的浏览器查网页、在你的桌面创建文件、甚至直接操作你的电脑干活，而给予LLM的这一套能力，我们称为Harness（马具）。

Agent（整套马车） = 模型（形象地称为马） × Harness（马具）

普及一些大家或许经常听到的公司与模型：

公司	代表性 LLM / 产品	Agent / Agent 产品
国内
字节跳动	豆包	TRAE（含 SOLO）
深度求索	DeepSeek	/
月之暗面	Kimi	Kimi Work、Kimi Code
智谱 AI	GLM	AgentMore、AutoGLM
阿里巴巴	通义千问	Qwen Code
腾讯	混元	WorkBuddy
国外
OpenAI	ChatGPT	Codex（已接入 ChatGPT 体系）
Anthropic	Claude	Claude Code
Google	Gemini	Gemini CLI、Jules

注：“/”表示目前没有单独列出的 Agent 产品，不代表该模型没有工具调用或 Agent 能力。

回到这节课的主角：WorkBuddy。它就是我们这节课要上手的 Agent，很适合同学作为入门的agent工具。

接下来，我们就从 WorkBuddy 开始，带大家一起动手：看看它怎样给 LLM 调派任务、调用工具，把事情做起来。

先把工具拿到手：三分钟装好 WorkBuddy

如果你还没装 WorkBuddy，掏出你的电脑，现在装上——后面所有动手环节都要用它。

下载地址： https://www.codebuddy.cn/work/

打开网页，选你电脑对应的版本下载就行。

装完之后，有三件事要办：

登录账号

用企业微信或 QQ 扫码登录最方便。

授权文件夹访问

首次打开时，WorkBuddy 会问你能不能访问电脑上的文件夹。同意它。 推荐授权：桌面、下载、文档——这三个你常用的地方。不授权的话，它就读不了你的文件，也就没法帮你干活。

看一下 Credits（用量额度）

WorkBuddy 执行任务要消耗 Credits，就像手机流量。新用户有免费额度可以领，在\"个人中心 → 用量管理\"页面查看和领取。日常学习完全够用，不用额外花钱。

腾讯的混元3（Hy3）模型暑期现时免费到八月底，大家可以点击对话框右下角的Auto切换成Hy3放心体验。

\> ❗ Mac 用户注意：如果双击打不开，不是坏了——Mac 默认拦着非 App Store 的应用。去\"系统设置 → 隐私与安全性\"，翻到最下面，点\"仍要打开\"就行。

第一轮：让它动手试试

现在让我们动手试试吧，请把自己想象成老板，WorkBuddy 这样的 Agent 是部门主管，本节使用的 Hy3 这样的LLM是部门员工。Agent 的作用，就是根据我们的目标拆分任务，再调派 LLM 工作，并给他们配上工具和权限；LLM 借助这些工具，负责理解、分析并完成每一步，最后把结果交回来Agent，Agent再整合展示给我们。

跟 WorkBuddy 说这句话：

`Plain Text 帮我查一下最近一周南京的天气，然后把结果存成一个Word文件放到桌面。


> 如果桌面没找到这个文件，可能是你的桌面在D盘，要和它额外说明一下，因为一般会默认桌面在C盘。
> 
> 

说完之后，注意看 Agent 如何调派 LLM、调用工具。你大概会看到两件事：

\- 它**去网上查了天气**——不是跟你说\&\#34;你可以打开天气网站\&\#34;，而是直接帮你查了

\- 它**在你的桌面建了个文件**——不是跟你说\&\#34;你可以新建一个文件然后复制黏贴\&\#34;，而是直接帮你建了

去桌面看一眼——**那个文件在不在？**



在没有接入工具的网页版 AI 里，通常只有 LLM，能给你文字和操作建议；Agent 则是在 LLM 的基础上接入工具和权限，再调派 LLM 替你完成其中一部分步骤。

**记住：****LLM 会“想”和“说”；Agent 会给 LLM 接上工具，并调派它在工具允许的范围内“做”。**

**注意：尽管Agent已经很聪明了，但涉及重要文件的改动，一定要事先备份，谨慎操作。**

### **第二轮：让它干一件多步骤的事**

刚才那件简单。现在试试需要好几步的。

跟 WorkBuddy 说：

```Plain Text
帮我读一下桌面上的"调研简报"，然后帮我列一份报告大纲。

说完之后，观察 Agent 如何拆任务、调派 LLM、调用工具。这次它不是一步完成的——你会发现它自己拆了步骤：

先找到并打开你的文件
读完里面的内容
分析其中内容并总结要点
把大纲告诉你

一个 Agent 拆任务、调派 LLM、调用工具、走流程、出结果——这就是 Agent 在干活。

Agent在写代码，做网页等方面的优势会更加明显，我们在后面的课程中也会体验到。

到这里，你已经……

亲手体验过 Agent 如何调派 LLM、调用工具替你干活了。它不只是回你一段话，而是真的把事情做了。

接下来，我们就要把这个能动手的搭档，用到正事上——帮你把 Step 1 的调研简报变成一份完整的报告。

在进入写作之前，先把跟 Agent 打交道的心法收好：

\> 1. 你是老板，WorkBuddy 是部门主管。

你负责交代清楚目标，WorkBuddy 负责拆分任务、调派 LLM，并协调工具把事情做完。Hy3 这样的 LLM 负责理解、分析和完成每一步。

\> 2. 它能动手的范围，比你想的大。

读文件、写文件、上网查、跑代码、做表格——这些都是 Agent 可以调度的工具。它会根据任务调派 LLM 使用它们。别把 WorkBuddy 当聊天框，把它当部门主管。

\> 3. 它干完你得过一眼。

它速度快，但偶尔会出错或脑补。它给你的结果，你扫一眼确认没问题再用——尤其是事实和数字。

记住：Agent 不是另一种大模型，而是给 LLM 接上工具、上下文和权限后的工作方式；它会根据目标调派 LLM 工作，并协调工具完成任务。

接下来，就让这个能动手的搭档，帮你把 Step 1 的调研简报变成一份完整的报告。

长文本写作：让 Agent 帮你把简报变成报告

先别急着让它一口气写完

我们在大学中，经常需要写课程论文，课程报告，长文本写作能力非常重要。所以我们现在试试用能帮我们干活的Agent，来把 Step 1 的调研简报变成一份完整报告。

但先别急。你可能试过直接跟 AI 说\"帮我写一篇 2000 字的报告\"，结果拿回来一篇看起来很流畅的东西——仔细一看：信息重复、结构混乱、前面说\"每年可申请\"后面变成\"仅一次机会\"。

一句话扔过去，拿到的东西你敢用吗？

这一节你会做什么：

学到心法：为什么必须\"先搭骨架，再填血肉\"
走完流程：搭大纲 → 分段写 → 核事实 → 做润色，四步把报告写好
带走方法：一套能复用的长文本写作流程

先搭骨架，再填血肉

一个比喻：盖房子不会先倒水泥再画图纸。你得先知道几层楼、每层几个房间、哪个房间放什么，然后才往里填东西。

长文本写作也是一样——Agent 负责起草，你负责拍板。大纲它出，你审；正文它写，你改。每一步它先干，你过一眼，不对就让它重来。

标准流程四步：

出大纲：Agent 基于简报生成大纲，你审核修改
分段写：Agent 按大纲逐章写正文，写完一章你看一章
核事实：你对照原始素材，查它有没有脑补
做润色：Agent 统一语气删空话，你做最后终审

⭐ Agent 是起草人，你是审稿人。它从零写到初稿，你从初稿改到定稿。

出大纲：Agent 生成，你审核修改

Agent 已经很聪明了——给它简报和结构要求，它就能把大纲搭出来。你要做的是审一遍、改不对的地方。

一份 1500–2500 字的分析报告，用这个五段式结构最稳，当然字数不一样，Agent也会根据你的需求调整修改；如果不是分析报告，结构可能需要调整，直接让Agent帮你设计即可：

不过你的报告最好得有你自己的东西。在提示词中体现你自己的思考，问题背景里提你的真实困惑，个人分析写你的真实判断。有个人立场的报告，才不是一篇 AI 生成器。

把你的思考、简报和这个结构一起给 Agent，让它出大纲：

提示词模板 · 生成大纲（适当加入自己的思考）

`Plain Text 我有一份调研简报，内容如下：【上传你的简报全文】请基于这份简报，帮我生成一份2000字报告的详细大纲，用 Markdown 排版。要求：

结构包含：摘要、引言、正文（分2-3节）、结论、参考文献
引言要交代研究背景、研究意义和本文要回答的核心问题
正文每节有明确的子主题，用一句话概括要论证什么
结论要呼应引言提出的问题，逐条给出回答
只输出大纲，不要写正文
所有内容必须基于我提供的简报，不要新增简报以外的事实


❗ **大纲出来后，你自己看一遍再往下走。** 重点看三件事：核心发现的小节拆得合不合理、有没有漏掉简报里的重要信息、各部分字数比例对不对。不对就跟它说哪里要改——\&\#34;核心发现再加一个小节讲 XX\&\#34;\&\#34;问题背景字数砍到 300\&\#34;。

---

### **分段写：一章一章来，写完一章看一章**

大纲确认了，别让它一口气写完全文。**按章节逐段生成**，写完一部分审核一部分——既方便控制质量，也能避免前后矛盾。

每生成一章，给它三个信息：**上下文、要求、格式**：

**提示词模板 · 生成段落（如果需要活泼些的语气风格，自行调整提示词即可）**

```Plain Text
上下文：
【粘贴上一章生成的结尾段落，或这部分对应的调研素材】

请撰写报告的【第X章 章节名称】，要求：
1. 字数约【XXX】字
2. 严格基于我提供的素材，不要新增素材以外的事实
3. 关键事实后面用[]标注参考来源
4. 语气客观严谨，符合正式报告风格
5. 用 Markdown 排版，合理使用小标题、列表与加粗

几个章节各有要注意的地方：

摘要——最后再写。 虽然它在论文最前面，但全文写完后回头提炼，才不会跑偏。让 Agent 基于完整论文生成摘要。

这是最能体现\"你的思考\"的部分。交代清楚你为什么研究这个、最初的信息差在哪、本文想回答什么问题。不要让它写\"随着社会发展日益重要\"这种空话开头。

正文——论点、论据、小结。 每节先亮观点，再用事实支撑，最后小结一句。所有结论要有来源标注，不出现\"我认为\"。单一来源标清楚，来源有冲突就分别列明，不替它做统一结论。

结论——呼应引言。 引言问了几个问题，结论就回答几个。不引入正文没出现过的新内容。可以是判断、建议或待进一步研究的问题。

\> 💡 写完一章觉得太笼统？把原始素材再喂给它，让它扩写。废话太多？让它精简衔接生硬？让它补过渡句。越改越好，别指望一次到位。

核事实：它写得快，但偶尔会脑补

长文本是 AI 幻觉的重灾区。哪怕你只给了真实素材，它在扩写时也可能自己加戏。所以全文生成后，必须做一次事实核查——这步不能省。

查三个地方：

有没有编造的信息

通读全文，标记所有你在原始素材里没见过的\"事实\"——具体数字、人名、政策条款、案例。没印象的，回到原始来源核对，找不到依据的，直接删。

有没有偷换前提

这是最隐蔽的问题。原文写的是\"普通大类学生大一下可申请\"，它可能简化成\"大一学生都可以申请\"——把\"普通大类\"这个关键前提吞了。

重点查：适用人群、时间限制、例外情况、附加条件。

来源标注有没有错位

检查每处 [来源X] 标注，确认标注和对应的信息对得上，别出现\"A 事实标了 B 来源\"的错位。

嫌手动核对太累？可以让 Agent 帮你做初筛：

提示词模板 · 事实核查

`Plain Text 以下是我的报告正文和原始调研素材。【上传报告正文】【上传原始素材】请逐段对比报告正文和原始素材，找出：

报告中出现但素材里没有的事实（可能是编造的）
报告简化了素材中的前提条件（比如遗漏适用人群、时间限制）
来源标注和对应信息不匹配的地方

逐条列出，不要修改正文。


❗ **Agent 帮你初筛，但最终拍板的还是你。** 它找出来的问题你确认一下，它没找出来的你也要自己扫一遍。一条底线：你不能确认真实性的内容，要么删掉，要么标\&\#34;待核实\&\#34;。宁可报告短一点，也不放未经核验的东西进去。

---

### 做润色：让全文像一个人写的

内容和事实都确认了，如果感觉文章前后风格不统一，或者缺少过渡，那就需要最后一步——让它读起来顺畅，同时能对接后续的海报、PPT 制作。（选做）

三件事：

- **统一语气**：全文保持一种风格——正式、客观、平实。别前面像论文，后面像聊天

- **加过渡**：适当添加节与节之间的过渡句，让文章看起来更流畅。

- **排好版**：一级标题放报告大标题，二级标题放章节，三级标题放小节；列表用来罗列要点；加粗用来强调关键结论。用 Markdown 排版，后续做 PPT 和海报时能直接对接

你可以让 WorkBuddy 帮你统一格式，但**标题层级对不对，你自己看一眼**。

---

### 到这里，你已经……

从一份调研简报，走完了搭大纲、分段写、核事实、做润色四步，拿到了一份结构完整、来源规范的分析报告。

这份报告不只是文字成果——它还是后面所有产出的内容基底。做海报、做 PPT、做 HTML 演示页，都从这份报告出发，不用重新找资料。

如果你需要Word或PDF版本来提交作业，也可以让已经拥有Markdown格式文件的Agent直接输出。

在收尾之前，把这几条带走：

> 1. **Agent 负责起草，你负责拍板。**
> 
> 大纲它出，你审；正文它写，你改。不要替它从零画框架——它已经够聪明了。你的精力花在审核和修改上，比花在从零写上值。
> 
> 2. **分段写，写完一章看一章。**
> 
> 一章一章来，既方便控制质量，也避免前后矛盾。每章给它上下文、要求、格式三个信息。
> 
> 3. **核事实这步不能省。**
> 
> 它写得快，但偶尔会脑补。编造的数字、偷换的前提、错位的来源——让 Agent 先帮你初筛，你自己再扫一遍，找不到依据的直接删。
> 
> 4. **你的报告得有你自己的东西。**
> 
> 在提示词中体现你自己的思考，问题背景提你的真实困惑，个人分析写你的真实判断。有个人立场的报告，才不是一篇 AI 生成器。
> 
> ⭐ **Agent 负责帮你写得快，你负责让它写得对。**
> 
> 



# 自测题与实践结果

## 选择题（3 道）

### 第 1 题

关于 Agent 和普通 AI 对话的区别，以下说法正确的是？

A\. Agent 的回答速度比普通 AI 对话更快，所以效率更高

B\. Agent 能直接读取你电脑上的文件、上网查询、创建文件，替你把事做完

C\. Agent 因为更智能，所以生成的结果一定准确，不需要人工审核

D\. Agent 和普通 AI 对话没有本质区别，只是界面不同

> 答案：B
> 
> A 错——核心区别不是速度，而是能不能动手干活。C 错——Agent 也会脑补出错，结果必须人工过一眼。D 错——能力边界完全不同，普通 AI 只能输出文字，Agent 能用工具。
> 
> 

---

### 第 2 题

用 Agent 写一份长文本报告时，为什么不能直接让它\&\#34;一口气写完 2000 字\&\#34;？

A\. 因为 Agent 一次性写不了那么多字，会自动截断

B\. 因为一口气写完速度快但质量差，Agent 会偷懒敷衍

C\. 因为没有分步审核的机会，它容易结构散乱、编造信息、前后矛盾，且你无法在过程中纠偏

D\. 因为一口气写完会消耗更多 Credits，不划算

> 答案：C
> 
> A 错——Agent 能写 2000 字，字数不是问题。B 错在\&\#34;偷懒\&\#34;——问题不在态度，在于你没给它骨架、没给它停下来让你纠偏的机会。D 错在 Credits——核心问题是质量管控，不是额度。
> 
> 

---

### 第 3 题

在长文本写作的\&\#34;核事实\&\#34;环节，以下做法正确的是？

A\. Agent 已经基于你提供的素材写作，所以事实不会有问题，可以跳过这步

B\. 只需要检查错别字和标点符号是否正确

C\. 让 Agent 先帮你逐段对比报告和原始素材做初筛，然后你自己再通读一遍，找不到依据的内容直接删掉或标注\&\#34;待核实\&\#34;

D\. 核事实主要是看论点是否深刻，不用管具体数字和来源标注

> 答案：C
> 
> A 错——Agent 扩写时会脑补，哪怕你只给了真实素材它也可能加戏。B 错在只查错别字——核事实查的是内容真不真，不是字对不对。D 错在不管数字和来源——具体数字、适用人群、来源标注恰恰是最容易出问题的地方。
> 
> 

---

## 实践题（1 道）

### 用 Agent 完成一份你感兴趣话题的长文本报告

任务说明：

选一个你感兴趣的话题（可以是Step1调研简报围绕的话题、也可以是其它学校政策、旅游攻略、课程调研等，根据自己的话题调整提示词。如果没有调研简报请先完成Step1所教授的信息检索），

用一个Agent（如WorkBuddy）

产出一份 1500–2500 字的报告（Word或Markdown文件）。

把长文本报告命名为 `Step2\-报告名称\-你的昵称`，上传提交。