生产力提升20倍的秘密：用AI Agent把一周工作压缩进一天
从”问答模式”切换到”目标-结果模式”，通过Observe-Think-Act循环、agents.md大脑、memory.md记忆、MCP协议和技能标准化，将AI Agent从工具升级为自主执行者，实现全流程自动化。
基本信息
- 来源类型：文章（人人都是产品经理）
- 原文 URL：https://www.woshipm.com/ai/6362871.html
- 消化日期：2026-05-18
核心观点
-
AI Agent 的核心运作模式是 Observe-Think-Act 循环：Agent 通过”观察当前状态→思考下一步→采取行动”的三步循环自主完成复杂任务，持续执行直到任务完成。这个循环跨平台通用，Claude Code、Codex、Antigravity 等框架本质相同，技能可迁移。Remy 现场演示在三个平台上用同样的提示词构建作品集网站，全部成功。
-
agents.md 文件是 Agent 的”大脑”，标志着从提示词工程到上下文工程的转变：在文件夹中创建 agents.md 作为系统提示词，写入角色、业务背景、个人偏好。当上下文足够丰富后，提示词可以简化为”给我写封商务开发邮件”。可以用聊天模型以访谈方式自动构建（问 15-20 个问题自动生成）。
-
memory.md 让 Agent 拥有持久记忆能力：在 agents.md 中添加指令”每个任务前读取 memory.md”和”学到新东西时更新 memory.md”。Agent 会记住”别写得那么正式”等偏好修正，像训练真实员工一样随时间改进表现。agents.md 应保持在 200 行以内，memory.md 只保存”实质性修正”。
-
MCP 协议是 Agent 连接外部工具的通用翻译器：默认 Agent 只有网页搜索功能，通过 MCP 可以连接 Gmail、Calendar、Notion、Stripe 等。演示：一个提示词让 Agent 总结收件箱、提取会议笔记、创建付款链接、设置 Notion 项目、起草跟进邮件，无需切换标签页。建议从 3-5 个最核心的工具开始连接。
-
技能（Skills）是最具复利效应的组件：把标准作业流程打包为 .skill 文件，Agent 可以完美重复执行。构建广告库分析技能后，过去 3-4 小时的工作简化到”输入两个词”。技能可以链接组合（晨间简报 → 检查日历 → 触发播客研究技能），创造完全自主的工作流。每周自动化 3-5 个小流程，长期积累可实现质的飞跃。
-
整个系统映射了人类组织的管理逻辑：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。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），各自有独立配置。顶层一个总管 Agent 管理所有模块。
实操内容保留
操作步骤
从零开始构建 AI Agent 系统的七步路径：
- 选择 Agent 框架：推荐 Cowork 作为初学者最佳选择（界面最友好），理解原理后可轻松切换
- 创建工作目录：创建名为 “executive assistant” 的文件夹
- 构建 agents.md：使用访谈式提示词构建，让聊天模型问 15-20 个问题提取上下文
- 添加 memory.md：配置自动更新指令
- 连接 MCP 工具：从 3-5 个最核心的工具开始
- 处理真实任务：让 Agent 参与实际工作，重复性流程转化为技能
- 持续积累：每周自动化 3-5 个小流程
文件夹组织结构：
每个公司/客户一个大文件夹
├── executive assistant/ # 执行助理
│ ├── agents.md # 大脑：系统提示词
│ ├── memory.md # 记忆：持久化偏好
│ ├── skills/ # 技能文件
│ └── mcp-config/ # MCP 配置
├── content team/
├── head of marketing/
└── sales/
顶层有一个总管 Agent 管理所有子文件夹
Prompt 模板
构建 agents.md 的访谈提示词：
“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。”
从会话构建技能的提示词：
“为我们刚才做的创建一个技能。”
基于源材料构建技能的提示词：
“基于这个课程给我构建一个病毒式钩子技能。“
关键指令（agents.md 中配置 memory 用）
在每个任务开始前读取 memory.md 文件
当我纠正你或者你学到新东西时，更新 memory.md 文件
关键概念
- AI Agent 智能体 — 本文的核心主题，详细阐述了 Observe-Think-Act 循环的运作原理、跨平台通用性及完整系统架构
- MCP 模型上下文协议 — 作为连接外部工具的”通用翻译器”角色被重点强调，展示跨工具全流程自动化
- 提示词工程 — 文中提出从”提示词工程”到”上下文工程”的重要转变
- Codex — 作为跨平台 Agent 框架示例之一被提及
- 上下文工程 — 文中提出的新概念，强调通过丰富的 agents.md 上下文让提示词变得极其简单
- Skill（技能） — 标准作业流程的打包复用，最具复利效应的组件
- agents.md — Agent 的系统提示词文件，在不同框架名称不同
- memory.md — Agent 的持久记忆文件
与其他素材的关联
- 与 2026-04-29-yupi-ai-guide-core-concepts 的关联：鱼皮指南将 AI Agent 定义为 16 个核心概念之一，本文则用 Remy 的具体方法论补充了如何实际构建和运营 Agent 系统
- 与 2026-05-17-ai-pm-interview-claude-workflow 的关联：面试复盘工作流中的”分轮独立执行”和”个人上下文喂入”与本文”上下文工程”理念一致，都强调通过积累上下文让 AI 从通用助手变为个性化助手
- 与 2026-05-17-ai-short-drama-workflow 的关联：该素材展示的短剧 Agent（小云雀）与本文的 Agent 系统方法论互补——前者是垂直领域 Agent 的具体实现，后者是通用 Agent 架构的方法论框架
- 与 2026-05-09-pm-ai-playbook 的关联：两篇素材在”人机分工”上理念一致，本文从 Agent 架构角度提供了更系统的落地路径
原文精彩摘录
“大多数人把 AI 当作工具，一个更聪明的搜索引擎或写作助手。但那些生产力提升 10-20 倍的人，已经把 AI 当作团队成员。这不仅仅是用词上的区别，而是完全不同的使用方式。当你把 AI 当作工具时，你会在需要时调用它，用完就关闭。当你把 AI 当作团队成员时，你会给它持续的上下文、教它记住偏好、构建它的技能库、让它主动承担职责。”
“更关键的是，技能是可以累积的。如果你每周自动化 3-5 个微小的手动流程，最终你会自动化整个工作流。这不是一夜之间发生的，而是一个渐进的过程。但正因为是渐进的，它可持续、可控制。你不是突然把所有工作交给 AI 然后祈祷它不出错，而是一点一点地将那些重复性、规则明确的任务转化为技能。”
“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。一个传统的自动化脚本会在遇到意外情况时崩溃，而 AI Agent 会调整策略。”
“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。”
“循环非常简单：连接工具 → 构建上下文 → 创建技能 → 自动化流程 → 重复。从执行助理开始，本周构建一个技能，下周再构建一个。把这个过程堆叠数月，你就能把一周的工作压缩进一天。这不是科幻，而是现在就可以实现的现实。“