《自主式智能体与AI协作进阶课》

自主式智能体与AI协作进阶课

自主式智能体与AI协作进阶课：从固定工作流到人机协同新方式

主讲：董俊豪

【课程背景】

这是一门面向已有 AI 使用经验团队的智能体进阶课程。课程不再停留在“搭一个固定工作流”，而是帮助学员理解自主式智能体的能力边界、适用场景和人机协作方式。

课程重点不是追前沿概念，而是帮助企业判断：哪些任务适合继续用工作流，哪些任务适合探索自主式智能体，哪些任务需要工作流式与自主式组合使用，以及人在其中应该如何设目标、控边界、做验收。

【课程对象】

已有一定 AI 使用经验的业务骨干、管理者、创新负责人

已经接触过智能体或工作流，希望进一步理解自主式智能体的人

负责推动 AI 新应用探索、试点或内部创新的团队

希望理解下一阶段 AI 工作方式变化的企业客户

客户常见痛点

只知道工作流式智能体，不理解自主式智能体强在哪里

不知道什么任务适合自主式，什么任务仍然适合工作流

听过很多前沿概念，但无法转化为企业内部可理解的判断框架

团队已经在用 AI，但还没有形成人机协作新方式

担心自主式智能体不可控、风险高、难落地

【课程收益】

理解自主式智能体的基本逻辑、能力边界和典型价值

区分工作流式与自主式智能体的适用场景

建立“AI 协作”而不是“AI 替代”的认知

掌握复杂任务、开放任务、长链路任务中的人机分工

判断本企业哪些方向适合探索自主式智能体

形成下一阶段 AI 协作试点建议

【课程方式】

1 天（6小时/天）

【课程大纲】

模块1｜从工作流式到自主式智能体

工作流式：人预设流程，AI 按步骤执行

自主式：AI 围绕目标自主规划、执行、反思、调整

自主式智能体的核心能力：感知、规划、执行、反思、调整

为什么它是方向，但不意味着所有场景都该马上自主化

模块2｜自主式智能体适合什么任务

适合探索的任务：

情况多变、需要灵活判断的任务

研究、分析、创作、复杂资料整理等探索性任务

跨工具、跨系统、跨步骤的开放任务

需要 AI 在过程中不断修正路径的任务

不适合盲目自主化的任务：

高合规、高审计、固定规则场景

数据敏感、权限复杂、容错率低的场景

流程还没有闭环、目标不清楚的场景

模块3｜工作流式 + 自主式的组合方式

固定部分用工作流，灵活部分用自主式

标准流程用节点控制，开放判断交给 AI 协助

人作为目标设定者、调度者、验收者和纠偏者

不追求全自动，而追求可控、可解释、可复盘的人机协作

课堂练习：

判断几个业务任务应该用工作流、自主式还是组合方式

模块4｜从 Vibe Coding 到 Vibe Working

AI 编程中的协作方式如何迁移到日常知识工作

人定义目标、边界、验收标准；AI 负责搜索、整理、生成、尝试和迭代

人机协作中的四个关键动作：设目标、给上下文、看过程、做验收

复杂任务中如何保留人工判断权

模块5｜Skill、记忆系统与自主式协作

Skill 让 AI 知道“怎么做”

记忆系统让 AI 知道“基于谁、基于什么背景做”

自主式智能体需要更清晰的 Skill、边界、记忆和检查机制

先沉淀 Skill 和记忆，再谈更稳定的自主协作

模块6｜场景判断练习与协作设计

练习步骤：

选择一个复杂或开放型任务

判断任务是否适合自主式智能体

拆出固定流程和灵活判断部分

定义 AI 做什么、人做什么

设置边界、检查点和验收标准

输出协作设计草图

课堂产出：

自主式智能体适用场景判断

人机协同边界清单

下一阶段试点方向

交付产出

自主式智能体适用场景判断表

人机协作方式设计草图

工作流式 / 自主式 / 组合式任务分类清单

企业下一阶段 AI 协作探索建议

可定制方向

可围绕管理层决策支持、市场调研、资料整合、内容策划、项目管理、开放型分析、AI 编程、内部知识工作等场景定制。