背景、目标、限制、输出格式，把任务说清楚。
第二章收束
复盘：从提示词到 AI 工作台
这一章走完了一条很关键的路线：从“怎么把一句 Prompt 写好”，到“怎么搭一个真正能工作的 AI 系统”。这一节不增加新概念，而是把 Prompt、上下文、知识库、工具、状态、Skill、Agent、权限、日志和成本重新串成一张地图。
一句话回答
Prompt 只是入口，AI 工作台才是完整系统。真正高效的 AI，不只是“我问，它答”，而是能围绕目标找资料、选方法、调工具、记状态、控权限、留日志，并知道什么时候继续、什么时候停下来。
01 一张总图：AI 能力怎么搭起来
learning map
把当前任务真正需要的信息放到 AI 的临时桌面上。
公司制度、产品参数、项目文件，让 AI 开卷答题。
数据库、CRM、邮箱、日历、搜索和企业系统。
短期状态记录任务进度，长期记忆保存可复用偏好。
把反复有效的方法沉淀成可复用能力。
理解目标、拆解任务、选工具、看结果、再判断。
权限、日志、监控、人工确认和成本控制负责兜底。
AI 工作台
从写一句提示词，升级成一套能安全稳定完成任务的工作系统。
02 从“聊天工具”到“工作系统”
before / after
用户
Prompt
模型
答案
用户目标
Agent
上下文
知识 / Skill
工具
状态
权限
日志
成本控制
最终结果
03 完整 AI 工作台长什么样
system view
用户目标
不是只发一句话，而是提出要完成的事情。
Agent
理解 · 判断 · 规划 · 继续执行
Prompt怎么工作
Context当前知道什么
State做到哪了
Knowledge / RAG去哪里找资料
Memory长期记住什么
Skill这类事怎么做
Tools / MCP / API
数据库、CRM、邮箱、日历、文件、搜索、企业系统和外部服务。
权限
日志
监控
成本
人工确认
04 用“数字员工”把概念记住
one metaphor
像员工的大脑，负责理解和生成。
像老板给的工作要求。
像当前办公桌上的资料。
像公司的资料库。
像去资料库找相关文件。
像企业真实业务系统。
像员工能使用的软件。
像软件和员工之间的标准接口。
像当前工作的进度表。
像员工掌握的成熟方法。
像门禁、权限和审批。
像工作记录和管理仪表盘。
05 出问题时，不要只会换模型
system diagnosis
任务目标、限制和输出格式没有说清。
当前任务需要的信息没有放进去，或放了太多干扰。
RAG 没找到、资料过期、知识库质量不够。
工具说明、参数、返回格式或失败处理不清楚。
Agent 不知道任务做到哪一步，重复或漏步骤。
权限、人工确认、日志和成本控制没有兜住风险。
同样一个大模型，不同团队做出的 AI 产品差很多，差别往往就在系统结构，而不只是模型名字。
本节练习
把一个真实任务画成 AI 工作台
不要只写 Prompt。把用户目标、上下文、知识库、工具、状态、Skill、Agent、权限、日志和成本都标出来。
目标用户到底要完成什么？
资料需要什么上下文和知识？
执行要用哪些工具和状态？
保护权限、日志、成本怎么兜底？
本节小结
这一章最重要的变化，是从“怎么和 AI 说话”，走向“怎么设计一个 AI 工作系统”。Prompt 是入口，工作台才是完整能力。
- Prompt 解决“怎么说清任务”，不是完整 AI 系统的全部。
- 上下文、资料、知识库和 RAG 决定 AI 能基于什么回答。
- 工具、状态、Skill 和 Agent 决定 AI 能不能围绕目标持续工作。
- 权限、日志、监控和成本控制决定系统能不能安全稳定上线。
- 从会用 AI 到会搭 AI 工作台，本质是从“问答”走向“工作系统”。