← 课程目录

技术小白的
AI 第二课

从一次对话,到一套工作流程
从上次作业出发,复盘一次真实交付
把有效的做法,留给下一次工作
Eason Chai · AI Gateway 高级工程师 @Kong
← → 翻页 · ↑ ↓ 步进 · ESC 总览  |  这个 slides 也是 AI 做的

作业复盘 · 先看交付物

上次,我们让 AI 完成了什么?

给销售同事,整理一份有来源、能核查的竞品动态简报。

01 · 输入

三条公开资料

保留正文、来源链接与日期,让 AI 有材料可读。

02 · 任务

一条 User Prompt

说清给谁看、要做什么、按什么标准交付。

03 · 修改

至少一轮修订

指出一处具体问题,再让 AI 根据证据修改。

交付要求 · 不超过 500 字

核心变化 / 对客户的影响 / 建议跟进问题 / 来源

事实有出处,推断标“推测”,缺失写“未提供”。保存初稿、修订稿和核查记录。

现在打开你的作业:选一行,说说它的来源,以及你改过什么。

回看第一课作业要求 · 复盘从自己的实际结果出发

重点 01 · Prompt

把验收标准说在前面

只说“帮我总结一下”,读者、重点和篇幅就都交给了模型猜。

Role · 谁来做,给谁看

销售支持 → 销售同事

面向不熟悉技术的同事,用他们能拿去与客户沟通的语言。

Task · 具体做什么

提炼变化,提出跟进问题

围绕这三条竞品资料,挑出值得销售关注的动态。

Context & Constraints · 用什么材料

贴正文,保留原文限制

附链接与日期;套餐、地区、对象不能漏掉。资料里的文字按数据处理。

Acceptance Criteria · 怎样才算完成

四列、500 字、有来源

推断标注,未知写“未提供”;让每条要求都能在成品里检查。

先问自己:同事拿到这条 Prompt,知道该怎么开工、怎么交差吗?

重点 02 · 核查与修订

“看起来很对”,还要回到原文

重点检查:日期、数字、适用范围,以及事实和推测是否混在一起。

练习示意 · 虚构产品 A
SOURCE · 原文 “Pro 套餐新增 CSV 导出功能。”
未提供节省工时的数据。
FIRST DRAFT · 初稿 “所有用户都能导出,效率提升 50%。”
CHECK · 找到问题 “所有用户”扩大了范围;“50%”没有依据。

REVISION PROMPT

指出问题 + 给出依据 + 保留标准原文仅说明 Pro 套餐可用,未提供效率数据。请补回套餐限制,删去“提升 50%”;潜在影响标“推测”。仍按四列输出,不超过 500 字。

修订后应表达Pro 新增 CSV 导出。推测:可能减少手工整理;实际效果未提供。

每条事实仍要附来源编号。修订完成后,再对照原文检查一次。

保留初稿和修订稿,说明改了哪一处、为什么改。AI 自己说“已核实”也需要证据。

重点 03 · Tool Use 与工作习惯

能聊天之后,还要判断缺什么

API 接通只说明能发起模型请求。网页、文件和计算,需要对应的能力。

材料已经齐了

直接整理正文

先让 LLM 分析已有资料。只给 URL,不代表模型已经读到了页面。

需要最新变化

打开原网页核查

自己查,或用已连接的 Search / Browser。保留实际链接、日期与原文证据。

需要金额或统计

交给计算工具

保留数字、单位、公式和结果。调用过工具,仍要检查输入与输出。

带到第二课的习惯

把有效的 Prompt、资料格式和验收清单留下来

下次换一组资料,也能按相同步骤完成。接下来用 Harness、Skills 与 Workflow,把这些做法放进工作流程。

操作底线:API Key 只放在客户端配置里,提交截图先遮住;Temperature / Top-p 用默认值也能完成作业,调低随机性不能替代事实核查。

01 · 文件与 Workspace

给 AI 一个工作台

把同一件工作的说明、资料和成果放到一起,下次还能接着做。

File · 一份东西

一篇公告、一张表、一份简报。文件名说明它是什么,后缀提示它的格式。

Folder · 放在一起

把同一任务的文件收在一个文件夹里,减少到处寻找和反复复制。

Workspace · 这次在哪工作

本课先把“竞品简报”文件夹当工作区,让支持文件工具的 AI 在这里读资料、放成果。

文件在电脑里,不等于 AI 已经读过。先打开工作区或上传材料,再明确告诉它读什么。

不同应用的 Workspace 能力不同。纯 Chatbot 可以上传或粘贴资料练习;实际能访问哪些文件,要看工具与权限设置。

文件习惯 · 先保持简单

一份说明,两个文件夹

先把一件工作整理清楚,用到更多东西时再加。

竞品简报 / Workspace
竞品简报/
├── 00-任务说明.md
├── 资料/
│   ├── 产品A_公告.md
│   ├── 产品B_更新.md
│   └── 产品C_定价.md
└── 输出/
    ├── 简报_v1.md
    └── 简报_v2.md

示意:输出文件会在完成任务后生成。

  1. 任务说明:先读它写目标、读者、可用资料、输出要求。文件名是我们的约定,不会让所有客户端自动读取。
  2. 资料:保留原文输入与输出分开,避免 AI 把自己写的初稿当成原始证据。
  3. 输出:保存结果初稿与修订稿分开存,不覆盖原始资料。

资料/产品A_公告.md 就是在告诉 AI:从当前工作区进入“资料”,找到这份文件。

文件习惯 · 名字就是路标

看名字,就知道该读哪份

中文可以用。清楚、统一,比起名技巧更有帮助。

这些名字,得打开才知道

新建文档(3).txt
资料.pdf
最终版_真的最终版.docx

对象、用途、版本都不清楚,人和 AI 都容易拿错。

对象 + 内容;需要时加日期或版本

2026-10-01_产品A_公告.md
产品B_价格说明.pdf
竞品简报_v2.docx

用统一的日期格式和 v1、v2,让新旧文件容易区分。

一份文件,一个主题

三篇来源分开存,不把公告、闲聊和草稿混在一起。

名字尽量短而具体

避免斜杠、冒号等容易与路径或系统规则冲突的字符。

版本只认一个规则

任务说明写清当前用 v2;旧版保留,不都叫“最终版”。

文件名里的日期只是整理约定。文件内部仍需写清发布日期、访问日期和来源;没有发布日期就写“未提供”。

文件习惯 · 文件能打开,也要看能读出什么

先确认读到了什么

格式是否支持、文字是否完整,比后缀看起来专业更重要。

说明、笔记:TXT / Markdown

用标题和短段落组织。Markdown(.md)可以先只用“# 标题”和列表,不需要写代码。

# 产品A 公告
来源:[原始链接]
发布日期:[日期或未提供]
访问日期:[日期]
正文:[相关原文]

报告、截图:先检查提取

PDF、Word、图片的支持因工具而异。扫描件可能需要 OCR,表格、脚注和版式也可能被读错。

让 AI 返回一段原文和页码,自己打开原文件对照。

表格:写清列名与单位

金额是哪种币种?按月还是按年?空白是零还是缺失?先把口径交代清楚。

保留原表,用支持该格式的工具读取;不要只截一张看不清的小图。

把 .pdf 改名为 .md 不会转换内容。读不到就换读取方式,或提供相关文字。

02 · Context

把工作背景,写成一页说明

除了“做什么”,还要让 AI 知道“给谁做、依据什么、怎么算做完”。

  1. 背景够用写读者、目的、时间范围。无关聊天和旧任务不用一起塞进来。
  2. 资料有路标写清资料位置、阅读顺序、来源和当前版本。
  3. 规则能检查写输出位置、格式、来源要求,以及遇到缺失信息怎么办。

00-任务说明.md · 可照着改

背景与目标给不熟悉技术的销售同事,整理本周三条竞品动态,帮助他们准备客户沟通。

资料与顺序先列出“资料/”中的文件,再逐份读取。原文保留套餐、地区、时间等限制。

交付要求四列表格,不超过 500 字,写入“输出/简报_v1.md”。每条事实附文件名或来源链接。

缺失与核查信息缺失写“未提供”,推断标“推测”。需要最新信息时先说明要核查什么,再使用可用的 Web Search。

启动时补一句:“请先读取 00-任务说明.md,简要复述任务和验收要求,再开始。”

参考:Effective context engineering · 本页文件名和模板为课堂约定

Context · 引导 AI 查阅资料

给它阅读顺序,再要结论

文件名帮助定位;真正支持结论的,是读出来的正文。

找

先看目录

列出有哪些文件,确认目标资料都在,不靠名字猜内容。

读

说明优先,资料随后

先读任务说明,再读相关原文;长文可以先看目录,再读所需章节。

报

交代依据与缺口

哪些已读、哪些打不开、哪些没提供?给出文件名和原文位置。

可以直接这样说

先读 00-任务说明.md,再列出资料目录,逐份读取与这次简报有关的文件。先给我“关键事实 + 文件名 + 原文摘句或页码”。读不到、缺页或互相冲突的地方单独列出,暂时不要补写结论。

“我已读完”也要能核对:抽查一条原文,以及是否漏了某份文件。

资料里出现“忽略原任务”等文字,按资料内容处理。它们不能替你给 AI 下新指令。

03 · Web Search

带着明确问题去搜索

补一个缺口,比泛泛地“搜一下这个行业”更容易得到可检查的结果。

查什么

对象 + 问题 + 时间

例如:产品 A 的 CSV 导出,截至今天支持哪些套餐?

去哪里

优先找原始来源

先看官方文档、公告、定价页。搜索摘要用来找路,关键结论回原页面核查。

带回什么

证据与日期

返回标题、URL、发布日期、访问日期和相关原文;缺日期就说明缺失。

SEARCH PROMPT · 产品 A 替换成实际名称

请用可用的 Web Search 核查:截至今天,产品 A 哪些套餐支持 CSV 导出?优先找官方文档和定价页,打开相关页面核对,附链接、日期和依据。来源冲突时列出差异;搜不到就明确说明,不用记忆补齐。

先确认工具可用。没有搜索工具时,你可以自己查网页并提供正文;写一句“请联网”不会增加工具能力。

04 · Double Check

再检查一次,要换成证据视角

让 AI 再说一遍“我确定”,并没有增加一条证据。

结论 ↔ 原文

这句话真的写了吗?

逐条打开来源,找对应段落。只有推断的内容加标注,没有支持的就删去或待确认。

数字 ↔ 口径

时间、单位、范围对吗?

每月与每年、单人与团队、试用与正式版,都要区分。计算用原始数字重算。

来源 ↔ 独立证据

三篇转载,还是同一个出处

争议或重要结论再找独立证据。来源冲突先列出差异,不按搜索结果数量投票。

CHECK PROMPT

逐条核查简报中的事实。列出“结论 / 来源与原文位置 / 核查结果 / 需要修改的内容”。结果分为:有依据、推测、未证实。检查日期、数字和适用条件;若用了计算工具,附输入与结果。

优先人工抽查最影响决策的几条。换一个模型可以帮忙挑错,仍然需要回到原始证据。

05 · Task Breakdown

把大任务拆成看得见的几步

每一步都能回答:用什么材料,产出什么,怎么判断完成。

01 · 从原文提取事实

资料 → 事实清单

每条附来源和原文位置。先检查有没有漏文件、漏条件。

02 · 针对缺口查证

待确认问题 → 证据或缺失说明

需要最新信息才搜索;材料足够就跳过。读不到时报告,不强行往下编。

03 · 按模板形成初稿

已确认事实 → 四列表格

写进输出/简报_v1.md,检查读者、四列、500 字和来源。

04 · 核查后定稿

初稿 + 核查记录 → 修订稿

问题回到对应步骤修正,保存简报_v2.md;关键结论留给人确认。

这样布置:“先列这几步和各步产出;完成事实清单后让我抽查,再继续写稿。”

参考:Prompt chaining 与检查点 · 只有相互独立的步骤才考虑并行,本课先顺序完成

06 · 从 Tools 认识 MCP 与 CLI

同一个动作,可以有不同入口

还记得 Tool Use 吗?模型提出调用,应用执行,结果再交回模型。

这次要做的动作列出“资料”文件夹里的文件

应用内置的 Tool

直接提供“列文件”能力

客户端本身就能处理这件事,模型通过它提供的工具调用。

通过 MCP 接入

连接文件服务提供的 Tool

支持 MCP 的应用可以发现服务提供的能力,再按约定发出调用。

通过 CLI 执行

调用列目录的命令

有命令执行工具的 AI 可以运行相应命令,再读取返回的文件名。

Tool 看“做什么”;MCP、CLI 帮你理解“怎么接、怎么调用”。它们可以配合使用,也不要求每项任务都用齐。

这些是三种教学路径。实际有哪些入口,取决于客户端、已安装工具、服务配置与权限。

MCP architecture · 内置 Tool 与命令执行示意为课程设计

MCP · Model Context Protocol

给 AI 助理一套统一的点单规则

想象你让助理去不同餐厅订餐:能点什么、怎么下单、结果怎么回,都有同一套约定。

谁提出的?

Anthropic,开发 Claude 的公司,于 2024 年 11 月 25 日公开并开源 MCP。

原来的麻烦 · 每家都有自己的点法

每接一个系统,就要适配它

文件、日历、数据库各有接口。换一个 AI 应用,这些连接代码往往又要写一遍。

MCP 的做法 · 统一菜单和订单格式

应用和工具,都按同一套规则接入

应用会“看菜单、下单、收结果”;工具一侧提供符合约定的服务,背后继续调用自己的程序。

目的很具体:减少重复的对接工作,让 AI 应用更容易用上现有数据和工具。

MCP 是开放的通信约定,可由不同厂商实现。双方仍需支持相应能力,并配置连接和权限。

Anthropic 发布说明 · 最初由 David Soria Parra 与 Justin Spahr-Summers 在 Anthropic 创建 · 点餐为教学比喻

MCP · 把点餐比喻放回真实程序

模型拿主意,程序去办事

这次要办的事仍然是:列出“资料”文件夹里的文件。

点菜的人 · LLM

根据任务,提出要用什么工具

看到可用工具后,提出调用“列目录”,并填入路径“资料”。模型负责选择动作和参数。

传单员 · 应用中的 MCP Client

把调用变成协议消息,发给服务

AI 应用也叫 Host。它管理工具与授权,由 Client 发请求、收结果,再交给模型。

接单窗口 · MCP Server

公布工具,接收并处理调用

它是一段服务程序:提供工具说明,检查参数与访问范围,执行或转交实际操作。它可以在本机运行。

厨房 · 现有程序与数据

真正完成文件、日历或数据库操作

文件服务调用系统的文件接口;日历服务可以调用已有 API。MCP Server 把结果按约定返回。

MCP 这段通信发生在 Client ↔ Server 之间。结果再由应用交回模型,让它继续回答。

MCP Server 可以用 TypeScript、Python 等编写,不要求自己带一个 AI 模型。协议也不规定应用必须选哪家模型。

MCP 架构:Host / Client / Server · 厨房表示底层功能,可以由 Server 自己实现,也可以调用已有系统

MCP · 一次“列出资料文件”的过程

先拿菜单,再下具体订单

连接配置好、确认能力可用后,应用才能把工具交给模型选择。

01 · Client 问 Server 要菜单

tools/list:你提供哪些工具?

Server 返回工具名称、用途说明,以及参数规则。应用把相关工具说明提供给模型。

02 · 模型读懂菜单

示例工具:list_directory

用途:列出目录中的名字。参数规则 inputSchema 要求提供一个文字路径 path。

03 · 模型提出调用,应用发单

tools/call:调用它,路径是“资料”

应用按权限规则处理,再由 Client 发送工具名与参数。Server 按这张订单列目录。

04 · Server 把执行结果送回来

返回文件名,或报告具体错误

应用把结果交给模型。模型才能回答“找到这些文件”,或告诉你哪里失败了。

tools/list 看的是工具菜单;调用示例工具 list_directory,才会得到文件清单。

菜单和连接可以复用,不必每次重取。MCP 还支持 Resources(资料)和 Prompts(提示模板),这里先看 Tools 这条路径。

MCP Tools 规范 · list_directory 与 path 为课堂示例,由具体 Server 定义;MCP 不统一所有工具的名字

MCP · 看一眼消息长什么样

你说中文,程序传结构化的订单

MCP 用 JSON-RPC 2.0 组织消息。把下面的 JSON 当作“填好字段的表单”来看。

Client → Server · 请求,简化示例

{
  "jsonrpc": "2.0", "id": 7,
  "method": "tools/call",
  "params": {
    "name": "list_directory",
    "arguments": { "path": "资料" }
  }
}

Server → Client · 成功返回,简化示例

{
  "jsonrpc": "2.0", "id": 7,
  "result": { "resultType": "complete",
    "content": [{ "type": "text",
      "text": "产品A_公告.md, 产品B_更新.md, 产品C_定价.md"
    }]
  }
}

id:订单号

请求和回复都是 7,应用就知道这条结果属于哪次调用。

method:这次做什么

tools/call 表示调用工具;name 和 arguments 指明工具与参数。

result:实际回了什么

这里回了三个文件名。模型拿到这段结果后,才能继续解释或选文件读取。

MCP 2026-07-28 Tools 消息示例 · 为便于阅读,省略请求必需的 _meta(协议版本、客户端能力等);示例不作为完整可运行报文

MCP · 订单写好了,怎么送过去?

同样的订单,两条常用通路

JSON-RPC 管消息格式;stdio 和 Streamable HTTP 负责把消息送到对方。

本机 · stdio

像同一间店里,直接递单

Client 启动一个本地 Server 程序。请求送进它的标准输入 stdin,结果从标准输出 stdout 读回来。

Client ⇄ 输入 / 输出管道 ⇄ Server

配置里常见“启动命令 + 参数”。这段通信不需要网络端口;Server 干活时仍可能访问网络。

通过网址 · Streamable HTTP

像把订单发到餐厅的线上入口

Client 把 JSON-RPC 请求通过 HTTP POST 发到 MCP 地址。服务可以在远端,也可以在本机。

Client ⇄ HTTP / HTTPS ⇄ MCP 地址

配置里常见“服务 URL + 授权”。回复可一次返回 JSON,也可用 SSE 持续传回消息。

把三件事连起来

MCP 约定菜单和动作 → JSON-RPC 组织消息 → stdio / HTTP 传送消息

使用时确认:谁提供服务、允许读写哪里、这次实际返回了什么。统一通信方式,仍需要配置权限和检查结果。

MCP 传输规范 · stdio / Streamable HTTP 是标准传输方式;协议也允许自定义传输

MCP · 几个真实例子

接上不同服务,帮你做不同的事

先看自己想完成什么,再看这个 Server 提供哪些工具。

📁 Filesystem · MCP 官方参考实现

读本地资料,保存整理结果

“读资料文件夹中的会议记录,把待办整理成一个新文件。”

read_text_file
write_file

工具负责读写,模型负责提炼。只访问配置允许的目录;也支持移动和重命名文件。

📝 Notion MCP · Notion 提供

查团队笔记,整理成新页面

“找出项目的会议记录,列出尚未完成的事项,写到新页面。”

notion-search / notion-fetch
notion-create-pages

先查找和读取,再由模型整理并写回。可用工具和内容范围受账号权限、方案影响。

📍 Google Maps · Google 提供

找门店,再查怎么过去

“找新加坡乌节路附近的麦当劳,比较从指定起点步行过去的路线。”

search_places
compute_routes

返回地点与路线信息。起点要说清楚;地图服务的能力不包含替餐厅下单。

“支持 MCP”之后,还要看连接的是谁、它的工具具体能做什么。

Filesystem 工具 · Notion 工具 · Google Maps 工具 · 能力按官方资料核验,Prompt 为课堂示例,实际工具名称可能随客户端显示变化

🍔 真实案例 · 麦当劳中国 MCP

让 AI 助理,帮你查券、选餐

麦当劳中国已经提供 MCP 服务。以下能力来自其公开英文工具文档。

🎟️ 优惠 · “我现在能领哪些券?”

查可领的券,也能批量领取

available-coupons 查可领券;auto-bind-coupons 领取当前全部可领的麦麦省券。

🍟 选餐 · “这家店能点什么?”

查看门店菜单和餐品信息

query-meals 查当前门店可点餐品;list-nutrition-foods 查询常见餐品的营养数据。

🧾 算价 · “用券后要付多少钱?”

让业务系统算应付金额

calculate-price 根据所选商品与可选优惠券计算金额,包含配送费、优惠和应付总额。

📦 订单 · “生成订单,再查进度”

创建订单,返回支付链接

create-order 返回订单与支付链接;query-order 查询状态。创建订单与完成付款要分别核对。

模型理解“你想吃什么”;价格、优惠和订单状态,要由麦当劳系统返回。

麦当劳 MCP 英文说明与工具清单 · 服务范围:中国大陆,不含港澳台;需账号与 MCP Token · 核验日期:2026-10-13

🍔 麦当劳 MCP · 跟着一个小任务走

先看有哪些券,再确认领到了什么

连接与授权完成后,应用把可用工具交给模型。下面演示一次领券流程。

你可以这样说

“先列出我能领的麦麦省券。我确认全部领取后,再帮我领券,并查看账户核对结果。”

01 · 查

现在能领哪些券?

available-coupons

查询可领券,整理给你看。AI 根据服务返回的信息说明。

02 · 领

你确认后,再执行领取

auto-bind-coupons

这是批量领取当前全部可领麦麦省券的工具,会改变账户中的券。

03 · 核对

查看账户,报告实际结果

query-my-coupons

结合领取返回结果和账户券列表,说明成功、失败及待确认项。

你提出目标,模型选择工具,应用通过 MCP 调用服务。“领好了”要有实际结果作依据。

官方工具能力 · 根据工具说明编排的课堂流程,未登录或实际领券 · 这三步不创建订单或付款

CLI · Command-Line Interface

把一个动作,写成一行命令

先只看“列文件”这个只读动作,不要求你背命令大全。

macOS / Linux · 在终端中

列出资料文件

ls "资料"

ls 表示列目录;资料 是要查看的位置。

Windows · 在 PowerShell 中

完成同一个动作

Get-ChildItem -LiteralPath "资料" -Name

-LiteralPath 指定路径,-Name 只返回名称。

给具备命令执行工具的 AI

先确认当前目录是“竞品简报”,再根据我的系统列出“资料”里的文件。先解释命令会做什么;这一步只查看,不修改文件。执行后报告实际结果或错误。

生成一行命令,不等于已经执行。要看工具是否运行、返回了什么;列出名字,也不代表读过正文。

上面两条命令都以“竞品简报”为当前目录。CLI 也能修改或删除文件,运行其他命令前先弄清动作和影响路径。

Apple Terminal · Microsoft Get-ChildItem

动手练习 · 沿用上次的三条资料

让这次的做法,下次还能用

最终交付:一个清楚的工作文件夹,加一份能回查来源的简报。

01 · 整理

一份说明,两个文件夹

写好 00-任务说明.md;三条来源放进资料/,输出/留给结果。

02 · 引导

先让 AI 查阅,再写稿

报告已读资料与缺口。需要搜索时写清核查问题;没有工具就自己查并补正文。

03 · 拆解与检查

事实 → 补证据 → 初稿 → 修订

抽查来源、日期、数字和条件。保留初稿、修订稿,把核查记录附在修订稿后。

04 · 换材料再试

新对话,沿用同一套说明

换一条来源,明确要求重新读取任务说明和新资料。看它能否按原标准交付。

验收时说清三件事:它读了什么、实际做了什么、你核查了什么。

四列表格仍不超过 500 字,核查记录另附。纯 Chatbot 可上传文件并手动保存;本次不要求安装 MCP,也不要求同时使用 CLI。