A field guide · 2026 edition

从 prompt 到 agent,
一条清晰的路。

持续积累的 AI 使用笔记,整理给那些被信息淹没、还没找到入口的朋友——一条入门路径,加上路上的工具、感想和坑。

By Arthur 86 entries 10 sections Updated 2026.10.17

Start the trail
00

日常感想

Field notes · scroll sideways · share to X

手记保留写作时点;当前型号与价格见下方模型卡。原帖只有相对日期的条目标注同步日。

AI Agent 演进图谱 · 2026

14 条技术主线、87 个时间节点、34 个重点,放在同一时间轴。点击展开 Computer Use、Voice Agent、MCP、Remote Control 与 Personal Agent。

打开演进图谱
10.16voice

做电话助手,先拆清语音层和后端工具:听说与打断交给语音,查资料、日历和预约交给后端。比较 Grok、GPT-Live 和 Gemini Live 时,要测第一句有用回应、任务完成率和整通电话成本,不能只看榜单延迟或输入单价。

Skool 已发布原帖
10.16explain

AI 的输出要让人看懂:先把话写清楚,再按场景选择 diagram、HTML 交互网页或讲解视频。我给客户讲流程时用图,做市场分析时用 HTML,讲课时用视频;输出形式要跟着理解任务走。

Skool 已发布原帖
10.17 同步tool

REA 通过反编译和观察 App 运行,帮助理解客户端功能,也能接 Claude Code、Codex 和 Cursor。它适合研究实现思路、再做自己的版本;对方服务器上的代码和逻辑,并不会因此变得可见。

Skool 已发布原帖
10.17 同步cost

那天我的 GPT 额度又回到 100%,近期也遇到过用到约一半就重置。这是我的个人账号观察,不代表所有账号都有同样安排;实际额度和重置时间,仍以自己账号显示为准。

Skool 已发布原帖
10.17 同步setup

我的配置思路是先看实际工作量:Mac 内存从 16GB 起,本机做视频或 3D 再考虑 32GB,文件多可搭配外接 SSD。订阅也按使用频率逐步加,不必一开始全开最高档;价格和额度以官网当日说明为准。

Skool 已发布原帖
10.17 同步design

做传单和房源图,我更看重可编辑元素:日期、卧室面积、二维码和头像能单独改,就少了整张图重生成的折腾。就我的使用体验,Claude Design 配模板更适合反复修改和批量出图;GPT 生图则更常用来找视觉创意。

Skool 已发布原帖
10.17 同步workflow

我日常让 Claude 处理代码、设计和自动化,GPT 更多承担 Live 语音和 WhatsApp 工作流。Rewind、项目记忆和技能录制能减少重复交代;GPT 换对话前,我会先整理好上下文再交接。分工按自己的工作习惯调整。

Skool 已发布原帖
10.17 同步workflow

我用 Gemini 做日常快速问答,也用 Gems 按计划整理 YouTube 内容;新网页或 App 的最初搭建,先交给 Antigravity,把流程和品牌一起设定。按工具长处分工,比要求一个工具包办所有事情更适合我的日常。

Skool 已发布原帖
09.24tool

Antigravity 终于不难用了:/teamwork-preview 让一个协调者把任务分给几个专项 agent,/boost 动手前先深度核查一遍;Pro/Ultra 的配额也放宽了(具体以账号显示为准)。从「玩具」到能接日常轻工作,这道门槛算是过了。

Skool 已发布原帖
09.23voice

Live 语音可以开着一直干活,但它是单独一个模型(GPT-Live-1),不是主模型在回答——我拿它派任务、做工作记录,不指望它一次做完复杂活。另外 Desktop 的 Work 语音单独计额度,不是真要操作电脑就别开。

Skool 已发布原帖
09.12agent

Codex 不同 session 之间已经能互相交接:一个任务把部署安排同步给另一个,对方马上接上,还主动暂停自己的发布避免冲突。以后同时开几个任务,希望能少一点我在中间来回传话。

Skool 已发布原帖
09.11cost

开始用 GPT 6,第一个感受是得盯着 token。Ultra 和多 agent 协作我不当日常默认——几个 agent 一起跑,消耗实在吃不消。先用低档位,真需要深挖再往上开:先看任务,再决定开多大。

Skool 已发布原帖
05.20agent

让 Claude Code 写代码,更要重视验收:测试之外,也检查需求、权限和安全。

05.18prompt

Prompt 工程的本质不是“咒语”,是“把任务说清楚”。能用 Claude 写好 prompt 的人,写产品需求、写邮件、写技术文档也都会变好。

05.15local

本地模型能给隐私和部署带来更多控制;能否胜任取决于模型、硬件与任务,仍要测试。

05.12mindset

新手最大的误区:把 AI 当成搜索引擎。它不是。它是一个有偏见的、健忘的、但表达流畅的同事。学会与这样的同事合作,是这个时代的核心技能。

05.10model

Gemini 2.5 Pro 提供约 100 万 token 输入上下文。长合同可以分段检索并定位条款,但仍要回到原文核对页码与含义。

官方资料
05.07agent

MCP 这个协议被低估了。一旦 agent 能标准化地调用任何工具,模型层的护城河就会被进一步抽空,留下来的是“工具 + 数据”的护城河。

01

先认几个词

Plain-English basics · 像给小学生解释一样

Token令牌

模型处理文字时使用的小片段,可能是一个字、一个词或词的一部分;token 不等于字数。

LLM大语言模型

一个读过海量文字、学会“猜下一个词”的程序。你起个头,它接着往下写。GPT、Claude、Gemini 都是 LLM。

API接口

让两个软件互相说话的“插座”。你的程序按约定格式发请求,对方按格式把结果发回来。接入 AI 就是调它的 API。

MCPModel Context Protocol

连接 AI 应用与外部数据、工具的开放协议。统一连接方式,实际访问仍要配置服务和授权。

Skills技能包

提前给 AI 写好的“某件事怎么做”的说明书 + 资料。要做这件事时它打开对应 skill,就知道步骤和规范。(这个页面就是 AI 照着 skill 帮 Arthur 做的)

Agent智能体

能自己拆步骤、调工具、连着把一件事做完的 AI——不只是回你一句话,而是真去“干活”。

loop智能体循环

AI 干活的节奏:想一步 → 动手调个工具 → 看结果 → 再想下一步,这样一圈圈转到把事做完。这个循环就是一个 agent 的“心跳”。

trace运行轨迹

一次运行中可记录的模型调用、工具输入输出、耗时和错误,方便排查问题;不等于模型完整的内部思考,日志也可能含敏感信息。

embedding向量嵌入

把一段文字变成一串数字坐标,意思越接近、坐标离得越近。AI 靠它判断两段话像不像、从一大堆资料里挑出跟你问题最相关的那几段。

RAG检索增强生成

先检索相关资料,再把结果交给模型回答。可用向量、关键词或混合检索;能减少无依据回答,但仍可能出错,需要核对来源。

prompt engineering提示词工程

琢磨怎么把话跟 AI 说清楚,好让它给出你要的结果。同一件事换个问法,效果天差地别——这门“怎么问”的功夫就是它。

context engineering上下文工程

比“怎么问”再进一步:管好每次喂给 AI 的那一整包信息——放哪些资料、什么顺序、塞多少、砍掉什么。上下文的相关性和质量会影响结果。

harness engineering脚手架工程

给模型搭一整套“外壳”——工具、上面那个 loop、权限、上下文怎么管——把一个只会聊天的模型,装成真能干活的 agent。这套外壳就叫 harness。

TTS文字转语音

把写好的文字用接近真人的嗓音念出来。有声书、导航报路、Siri 开口说话,背后都是它(Text-to-Speech)。

STT语音转文字

反过来,把你说的话变成文字。对着手机说一句自动打成字、开会自动出文字稿、语音输入,都是它(Speech-to-Text)。

GitHub代码协作平台

程序员存代码、一起改、看每次改动历史的网站。像代码界的 Google Docs + 网盘 + 修订记录。

HTML网页标记语言

写网页的“骨架”语言,规定一页上有哪些标题、段落、图片、按钮。你现在看的这一页就是 HTML。

官方资料 · MCP ↗Tracing ↗Retrieval ↗

02

初级必看 · 新手入门路径

The six steps · click a node to expand

所列时间为大致学习安排,可按自己的节奏调整。

01 理解 LLM 在干什么 30 min 02 学会写 prompt 1 h 03 挑一个主力模型 — 04 把它接进工作流 1 week 05 动手做一个 mini 项目 1 weekend 06 进入 agent / 工具链 持续

Step 01 · 30 min

01

Mental model

理解 LLM 在干什么

Mental model

模型根据上下文生成内容,事实仍需核对;接上搜索和工具后,也可以查询实时资料。先分清模型生成、联网检索和工具执行。

01 / 06
03

Claude · GPT · Gemini · Grok · DeepSeek

Choose for the task · compare quality, speed and cost

型号与 API 价格核对于 2026-10-17。订阅费用、使用额度与 API 计费分别计算;最新详情以官方为准。

Claude Opus 5.5Arthur 的个人首选

9 月 22 日发布 · 编码、agent 与知识工作

Strengths

  • Anthropic 称,多数工作表现接近 Fable 5.1;输出更快,沟通更清楚。

Weakness

  • 部分敏感任务会触发安全限制或转交其他模型。
  • Sonnet 5.5、Haiku 5.5 也已发布,可按任务和预算选择。

Best for · 复杂编程、长文档与多步骤工作。

标准 API 每百万 token 输入 US$4、输出 US$20;缓存与 Fast 模式另计。2026-10-17 核对。

官方资料 · Opus 5.5 ↗API pricing ↗Sonnet 5.5 ↗Haiku 5.5 ↗

04

AI Coding 工具

Codex · Claude Code · Antigravity · Grok Build

01

Codex (OpenAI)

agentic Desktop / CLI / IDE / Cloud

OpenAI 的编码 agent。可在桌面、终端、IDE 或云端读代码、改文件、跑测试,并协助提交 PR。

结论 · 适合交互式探索,也适合委派边界清楚的后台任务;先定义验收标准,再审核 diff 和测试结果。

官方资料 · Codex ↗

02

Claude Code

agentic Terminal / IDE / Desktop / Web

Anthropic 的编码 agent,可在终端、IDE、桌面和浏览器中使用,支持读写文件、运行命令与测试。

结论 · 按工作习惯选界面;本地项目和云端任务都要检查权限、改动与测试结果。

官方资料 · Claude Code ↗

03

Antigravity

ide App / CLI / IDE / SDK

Google 的 agent 开发工具,提供桌面 App、CLI、IDE 扩展与 SDK,支持多 agent 协作和交互式、后台任务。

结论 · 按任务选入口;重要结果仍要检查代码、测试与操作记录。

官方资料 · Antigravity ↗

04

Grok Build

agentic Terminal

编码 agent,支持计划审阅、并行子 agent、Skills 和 MCP;可在终端中读写代码、运行测试。

结论 · 终端操作在本机执行,模型请求仍会发往服务端。使用前检查 /privacy、数据保留设置和仓库中的敏感信息;本地运行不等于代码不出电脑。

官方资料 · Grok Build ↗Settings ↗Data security ↗

其他 Agent 工具与框架

Hermes Agent — Nous Research 的开源 agent,可部署在自己的环境并连接所选模型;支持从任务经验中创建和更新可复用 skill。 官方资料 ↗

DeepSeek Harness — DeepSeek 开源的 agent 运行框架,“everything is a plugin”:模型、工具、界面都能自由换。它对 agent 的定义是 Model + Harness——呼应前面「harness engineering」那个词条。 官方资料 ↗

Grok Bot — xAI 的云端 agent,每个 bot 配有云端电脑,可连接工具并继续多步骤任务。可用方案、连接权限与数据设置以官方说明为准。 官方资料 ↗

Gemini Spark — Google 的云端个人 agent,使用 Antigravity harness,与 Workspace 工具集成;可在后台继续任务,可用地区和订阅以官方为准。 官方资料 ↗

Git / 协作术语速查

Git — 给代码拍快照、记录改动的工具,可以查看和恢复已提交的版本。

repo — 仓库:一个项目全部代码 + 历史记录的文件夹。

commit — 存一次档:把这次改了什么记下来,配一句说明。像游戏存档点。

branch — 分支:在主线之外开一条岔路改东西,试好了再合回主线。

fork — 把项目复制到自己的名下,在自己的副本中修改,不影响上游;使用和分发仍须遵守项目许可。

PR — Pull Request:“我改好了,请你看看要不要合并进主线”的申请。

05

Prompt 库

Copy, fork, replace placeholders

你是我的写作搭档。我有一个粗糙的想法:「{IDEA}」。
请帮我:
1. 提炼这个想法的核心命题(一句话)
2. 给出三种可能的展开角度,每种用一段话说服我
3. 在我选定角度后,给出一个 5 段式的大纲
下面是我刚写的代码。请扮演一个 senior 工程师:
1. 指出最多 3 个有证据、值得修改的问题;没有就直说
2. 给出修改建议,注明权衡
3. 不要追求“完美”,追求“可维护”
4. 说明怎样复现或验证;没运行的测试不要说已通过

```
{CODE}
```
请用费曼方法给我讲「{TOPIC}」:
1. 先用我 12 岁能听懂的方式讲一遍
2. 然后用一个生活类比深化理解
3. 最后指出一个常见误解
我正在纠结一个决定:「{DECISION}」。
请用 10/10/10 框架分析:
列出 10 分钟、10 个月、10 年三个时间尺度可能的影响;说明假设、不确定性,以及我还需要确认的信息。
每个时间尺度不超过两句话,不要鸡汤。
06

项目实践与示例

Practical ideas · examples are labelled

01

挑选地产经纪 Skill示例

实践示例:把安省买家或卖家挑选地产经纪时的访谈问题、资料核验与比较清单整理成可复用 skill,具体判断仍由使用者作出。

Claude Skill · TRESA/RECO

02

邮件自动分类 Agent示例

从获得授权的邮箱读取邮件,按规则分类并生成标签建议;写入前确认权限。调用云端模型时,邮件内容可能离开本机。

Claude API · Python · Gmail API

03

本地 PDF 问答工具示例

用本地模型和本地向量库检索 PDF,回答附页码;确认嵌入、推理和日志均在本地后再称离线。

Ollama · Local LLM · Local vector store

04

周报生成器示例

汇总获授权的 Git 提交和 Slack 消息,生成周报草稿,人工核对后发送。

Claude Code · GitHub API · Slack

05

MCP 自建 server示例

通过只读 MCP 服务整理获授权的 NAS 文件元数据;限制目录范围,写入与删除单独确认。

TypeScript · MCP SDK

07

Agent 进阶

Cloud · Local LLM · Frameworks · Evals

云服务

  • AI SDK — 用统一接口接入多家模型,适合 TypeScript 应用
  • Replicate / fal — 托管模型推理,按模型和用量计费
  • Modal / Beam — 给你的 agent 一个云上的执行环境

本地大模型

  • Ollama — 一行命令跑本地模型,新手首选
  • LM Studio — GUI,适合不爱终端的人
  • vLLM — 面向高吞吐模型推理与服务部署
  • 硬件需求取决于模型大小、量化、上下文和并发。可先用小模型试跑;LM Studio 建议 16GB+ RAM,8GB Mac 需选更小模型和较短上下文。

连接协议与 Agent 框架

  • MCP — 连接 AI 应用与外部数据、工具的开放协议;服务与访问权限仍要配置
  • LangGraph — 状态机式 agent,可控性高
  • Mastra — TypeScript-first,开发体验好

评估 / 监控

  • Langfuse — 开源的 LLM observability
  • Braintrust — 评估集 + 实验追踪
  • 准备代表性测试和失败案例,再迭代 agent;记录成本、延迟与错误。

官方资料 · vLLM ↗LM Studio ↗

08

资源清单

No affiliates · no fluff

常见免费 App

官方资料 · Cloudflare pricing ↗Gemini API terms ↗

09

可交给 Agent 的地产技能

What a realtor can hand to an AI agent

AI 可以准备资料、草稿和操作建议。房源事实、客户隐私、对外宣传与专业判断仍由经纪核对;对外发送、发布和关键系统写入按事先授权执行。

AI 起草·人审

房源文案

Listing copy

给房源参数和卖点,产出中英文 listing 描述、社媒 caption、email blast。

怎么交 · Claude / GPT 套你的文案模板,批量跑。 面积、税费、房源状态等事实人工核实后发布。

AI 起草·人审

营销设计

Marketing design

房源海报、社媒配图、成交卡片、视频封面,按品牌模板批量出图,几个版本任你挑。

怎么交 · 生图模型 + 锁死的品牌模板(颜色、字体、资质行固定),批量跑。 核对真实房屋特征、授权素材和必要标识。

AI 起草·人审

双语沟通

Bilingual comms

客户消息、邮件、文件的中英互译与润色,保留语气和专业度。

怎么交 · 任意大模型;长文件用 Gemini / Claude 长上下文。 涉及合同、金额、期限时逐项核对。

AI 起草·人审

社区资料

Neighbourhood briefs

学区、配套、通勤、交易历史汇编成一页客户简报。

怎么交 · 带联网检索的 agent,套统一模板。 注明来源和日期;学区、边界及入学资格向官方确认。

授权后自动化

CRM 录入

Data entry

把名片、表单、邮件里的联系人信息结构化进 CRM 并打标签。

怎么交 · agent + CRM API / Zapier,定时跑。 限定数据来源、字段与写入范围,去重并保留更改记录。

AI 起草·人审

Lead 跟进

Lead nurture

起草首轮回复和培育序列,按客户阶段个性化。

怎么交 · CRM 触发 + LLM 起草,你过一眼再发。

AI 起草·人审

多平台宣传

Multi-platform promotion

同一份素材改写成小红书、微信、IG、YouTube 各自的版本,连发布时间一起排好。

怎么交 · agent 出稿 + 排期,你过一眼,一键确认发出。

AI 起草·人审

定价草稿

Pricing / CMA draft

拉可比房源做初步 CMA 草稿。数字和可比盘的取舍必须你核。

怎么交 · 数据接口 + LLM 汇总,人工定价。

AI 起草·人审

预约协调

Scheduling

读邮件意图、提议时段、写进日历;时间冲突交给你拍板。

怎么交 · 日历 MCP + agent。

执行留人

合同条款初审

Contract review

关键条款抽出来、待注意点列成清单、和模板逐条对照,全部由 agent 备齐。改不改、签不签,是你和律师的判断。

怎么交 · 长上下文模型 + 条款库出对照表,人逐条定。

执行留人

合规核对

Compliance checklist

按 RECO / OREA / FINTRAC 流程把核对清单和要附的材料备齐,缺什么先标出来。最后打勾确认的是你。

怎么交 · agent 备清单、备材料,你来勾、你来签。

官方资料 · RECO advertising requirements ↗

想自己动手做一个 AI 地产 agent? 我写了一份从零开始的完整动手教程——也讲清楚它的能力边界,以及为什么仍然需要一个真人。 看教程 →
AI 是个有偏见的、健忘的、但表达流畅的同事 — 学会与这样的同事合作,是这个时代的核心技能。

— Arthur · 2026.10.17

12 年全职地产经纪 · Broker · FRI · SRS · ABR · MCNE · CLHMS & GUILD Elite · REAIS