个人知识库

生产力提升20倍的秘密：用AI Agent把一周工作压缩进一天

13分钟阅读

生产力提升20倍的秘密：用AI Agent把一周工作压缩进一天

来源：人人都是产品经理 | 作者：深思圈 | 2026-03-25

基本信息

  • 原始链接：https://www.woshipm.com/ai/6362871.html
  • 来源：人人都是产品经理
  • 作者：深思圈（微信公众号：深思圈）
  • 核心主题：基于 Remy Gaskill 在 The Startup Ideas Podcast 分享的 AI Agent 工作流系统，系统化阐述如何构建 AI Agent 实现全流程自动化，实现”把一周工作压缩进一天”的生产力飞跃

核心观点

  1. 从”问答模式”到”目标-结果模式”的范式转变：传统聊天像打乒乓球你来我往最终还是要你做事，AI Agent 则完全不同——给它一个目标，它会自己规划步骤、执行任务、交付结果。这种差异是生产上的代际跃迁。（来源：Remy Gaskill）

  2. Agent 的 Observe-Think-Act 循环是跨平台通用的底层逻辑：每个 Agent 都遵循”观察当前状态→思考下一步→采取行动”的三步循环，持续执行直到任务完成。Claude Code、Codex、Antigravity、Cowork、Manus、OpenClaw 都是不同的 Agent 框架（harnesses），类比不同品牌汽车——学会开车就能开任何车。同样的循环逻辑在不同平台上用同样的提示词都能成功。

  3. 从”提示词工程”到”上下文工程”的重大转变：agents.md 文件作为 Agent 的”大脑”（系统提示词），包含了角色、业务背景、个人偏好、使用工具和工作方式。用访谈方式让聊天模型问 15-20 个问题，即可自动提取并结构化生成完整的 agents.md。当上下文足够丰富后，提示词可以简单到”给我写封商务开发邮件”。

  4. memory.md 实现 Agent 的持久化记忆：在 agents.md 中添加”每个任务前读取 memory.md”和”当纠正或学到新东西时更新 memory.md”两行指令，即可让 Agent 随时间越来越了解用户偏好。最佳实践：agents.md 保持在 200 行以内，memory.md 只保存实质性修正。

  5. MCP 协议是 Agent 连接外部工具的”通用翻译器”：MCP（Model Context Protocol）让 Agent 说英语、工具说各自语言、MCP 在中间进行双向翻译。一个提示词即可完成跨工具全流程：总结收件箱→提取会议笔记→创建 Stripe 付款链接→Notion 设置项目→起草跟进邮件。建议从 3-5 个最核心的工具开始连接。

  6. 技能（skills）是 Agent 系统的复利核心：将标准操作流程打包为 .skill 文件，支持一键复现。创建方法：提供源材料让 Agent 生成技能，或从实际会话中手动构建。Remy 的广告库分析案例：过去 3-4 小时的工作缩减为输入两个词。如果每周自动化 3-5 个小流程，长期积累产生不可逆的效率优势。

  7. 技能链接和定时调度创造完全自主的工作流：技能可以级联调用——晨间简报技能每天 9 点自动运行，检查日历→总结收件箱→从 Notion 提取项目更新→交付每日行动计划。更激进的案例：每三小时自动抓取 CarMax、Cars.com、Autotrader，匹配特定配置的汽车即发送通知。

  8. Agent 系统的文件夹结构映射真实组织架构：为每个公司/客户建大文件夹，按部门划分子文件夹（执行助理、内容团队、营销主管、销售），每个子文件夹有自己的 agents.md、memory.md、技能文件夹和 MCP 连接。顶层总管 Agent 管理所有部门。

实操内容保留

起步七步法

第一步：选择一个 Agent 框架（推荐 Cowork 作为初学者的最佳选择，界面最友好、设置最简单）

第二步：创建一个名为”executive assistant”的文件夹（从执行助理开始，任务类型最广泛，快速看到价值）

第三步：使用访谈式提示词构建 agents.md 文件：让聊天模型问 15-20 个问题，从工作角色、公司业务、目标客户、沟通风格、常用工具到邮件签名偏好全部提取

第四步：添加带有自动更新指令的 memory.md 文件：

  • 指令一：“在每个任务开始前读取 memory.md 文件”
  • 指令二：“当我纠正你或者你学到新东西时，更新 memory.md 文件”

第五步：通过 MCP 连接 3-5 个最常用的工具（不一次性全部接入）

第六步：开始使用 Agent 处理真实任务，把重复流程转化为技能

第七步：每周自动化 3-5 个小流程

agents.md 构建方式

说："用访谈的方式问我问题，提取所有你需要的上下文信息，然后帮我构建一个 agents.md 文件。"
模型会问 15-20 个问题，从工作角色、公司业务、目标客户、沟通风格、常用工具到邮件签名偏好全部提取。

创建技能的两种方法

方法一（提供源材料）：上传课程文本/文档，说”基于这个给我构建一个 X 技能” → Agent 打包为 .skill 文件（包含指令 + 参考材料）

方法二（从实际会话构建）：和 Agent 一起手动完成一个流程，满意时说”为我们刚才做的创建一个技能” → Agent 打包整个工作流

推荐的文件夹结构

{公司/客户}/
├── executive assistant/    # 执行助理
│   ├── agents.md          # 系统提示词
│   ├── memory.md          # 持久记忆
│   ├── skills/            # 技能文件
│   └── mcp-config/        # MCP 连接
├── content team/          # 内容团队
│   ├── agents.md
│   ├── memory.md
│   └── skills/
├── head of marketing/     # 营销主管
│   ├── agents.md
│   └── memory.md
└── sales/                 # 销售
    ├── agents.md
    ├── memory.md
    └── skills/

关键概念

  • Observe-Think-Act 循环：Agent 执行”观察→思考→行动”的核心循环，持续重复直到任务完成。与传统自动化的最大区别在于适应性——Agent 遇意外时调整策略，而非崩溃
  • Agent Harness（Agent 框架/容器）：Claude Code、Codex、Antigravity、Cowork、Manus、OpenClaw 等不同平台，类比不同品牌的汽车，底层原理相同
  • AI Agent 智能体：能够感知环境、推理、制定计划、决策并自主行动的 AI 系统
  • MCP 模型上下文协议：Model Context Protocol，AI 与外部工具/数据的标准化交互协议
  • 上下文工程：从提示词工程升级——通过 agents.md 提供完整上下文，使提示词极大简化
  • 技能复利：单个技能价值有限，积累 50-100 个技能后效率呈指数级增长
  • 数字团队管理：与 AI 的关系从工具使用者转变为团队管理者，映射人类组织管理逻辑

与其他素材的关联

  • 2026-04-29-yupi-ai-guide-core-concepts 将 AI Agent 定义为 16 个核心概念之一，本文提供了 Agent 系统构建的完整方法论
  • 2026-04-29-yupi-ai-guide-programming-tech 将 Agent 列为 AI 编程四大核心业务领域之一，本文补充了 Agent 构建的上下文工程和技能复利视角
  • 2026-05-17-ai-short-drama-workflow 展示了垂直任务型 Agent 的形态，与本文的通用 Agent 方法论形成互补
  • 2026-05-09-pm-ai-playbook 讨论人机分工的 80/20 原则（AI 做 80% 事务，人做 20% 判断），本文进一步将 PM 的角色升级为”数字团队管理者”
  • AI办公自动化 主题中的子方向 5 “Agent 级跨工具工作流自动化”直接引用本文核心内容
  • AI产品经理工作流 主题中的观点 16 和 17 均直接引用本文

原文精彩摘录

关于从工具使用者到团队管理者的转变：

“最近我深入研究了 Remy Gaskill 在 The Startup Ideas Podcast 上分享的一套 AI agent 工作流系统…我们与 AI 的关系正在从工具使用者转变为团队管理者。你不再是在使用一个软件，而是在管理一支数字员工团队。这种转变需要的不仅是技术理解，更是思维方式的根本改变。”

关于 MCP 的比喻：

“Remy 用了一个非常简洁的比喻来解释 MCP 的价值。在 MCP 之前，你的 agent 必须学习每个工具的’语言’。Claude 说英语，Notion 说西班牙语，Gmail 说法语，Slack 说中文。连接它们需要针对每个工具进行定制开发，成本高昂且复杂。Anthropic 开发了 MCP 作为通用翻译器。你的 agent 仍然说英语，你的工具仍然说它们各自的语言，MCP 坐在中间进行双向翻译。”

关于技能复利的量化案例：

“Remy 分享了一个真实案例…他构建了一个广告库分析技能…抓取竞争对手的广告、截图落地页、分析文案和创意、生成一份主报告。这个流程过去需要 3-4 小时。现在他只需输入两个词，技能就会运行。我算了一下，如果他每周做两次这样的分析，一年就能节省 300-400 小时。”

关于底层逻辑的总结：

“这套由 Remy 分享的系统，本质上就是一套’管理数字员工’的方法论。agents.md 是员工手册，memory.md 是工作日志，skills 是专业技能，MCP 是工作权限。整个结构映射了人类组织的管理逻辑。理解了这一点，你就能明白为什么这套系统如此强大：它不是在优化工具使用，而是在构建一个可扩展的、能够自我改进的数字化团队。”

关于自动化哲学：

“我认为这套方法最深刻的地方在于，它重新定义了’自动化’这个概念。传统的自动化是预先编程的、僵化的，只能处理完全相同的场景。而基于 AI agent 的自动化是适应性的、情境感知的。它不是简单地执行固定步骤，而是根据具体情况做出判断。“

相关页面

关系图谱

快速导航