Appearance
用 Agent 组织协作
Agent 的价值不是"产品也有 Agent"，而是让 AI 承担一个稳定的协作角色——不只是回答问题，而是持续推进任务。
什么是一个好的 Agent 定义
一个能被长期使用的 Agent，至少要说清楚 3 件事：
- 服务哪类任务 — 明确它负责的范围，例如"客户跟进"或"周报整理"
- 需要哪些上下文 — 它要读取什么信息才能做出准确判断，例如项目文档、客户历史、内部规范
- 推动什么下一步 — 不只是给出答案，还要告诉您接下来该做什么
建议
如果您定义 Agent 时说不清楚这 3 件事，通常意味着这件事更适合用普通对话解决，暂时不需要 Agent。
Agent 适合用在哪些场景
沟通已经出现稳定模式
例如每周都要做一次会议总结、每次都按同一种格式输出。这类重复模式交给 Agent 处理，能保证输出的一致性。
判断依赖固定上下文
例如回复客户时需要结合产品文档、客户历史和内部规范综合判断。Agent 可以在每次对话中自动加载这些上下文，避免遗漏。
团队需要一致的辅助方式
当团队成员对同一类任务的处理方式差异很大时，Agent 可以帮助大家站到同一条轨道上，按统一标准执行。
Agent 的核心能力
对话推进目标
Agent 的对话不是开放式闲聊，而是围绕任务目标逐步推进。它会主动提问、补充信息、给出下一步建议。
与工作流、知识、市场资产联动
Agent 不是孤立运行的。它可以：
沉淀为团队方法
一个 Agent 可以随着使用不断优化，逐步从"一个人的助手"变成"团队的标准操作方式"。它积累的提示词、上下文绑定和行为模式，本身就是团队能力的沉淀。
多 Agent 协作
当任务涉及多个不同领域时，可以让不同 Agent 各自负责一个角色：
- 信息收集 Agent — 负责从多个渠道汇总原始信息
- 分析判断 Agent — 结合上下文给出判断和建议
- 执行推进 Agent — 调用工作流完成具体操作
多 Agent 模式的关键不是"数量多"，而是"分工清晰"。每个 Agent 有明确的输入、职责和输出，才能协作顺畅。
提醒
不要在没有真实需求时提前设计多 Agent 架构。先从单个 Agent 开始，当单个 Agent 的职责开始模糊或过载时，再考虑拆分。