获课：xingkeit.top/17347/

个人项目复盘：按鸡翅教程开发自动化办公 Agent 全过程

在 AI 技术快速演进的当下，大模型与 Agent 开发已经从“极客的玩具”变成了职场人的“生产力工具”。近期，我系统学习了“鸡翅教程”的 Agent 开发实战体系，并决定从零开始，亲手打造一个自动化办公 Agent。这次从理论到落地的全过程，不仅让我掌握了工程化的开发三板斧，更让我对 AI 赋能真实业务有了深刻的体悟。

一、 摒弃“万能幻想”，精准锚定痛点
按照教程中“小步快跑、快速闭环”的实战原则，我在项目启动前做的第一件事就是“做减法”。我没有试图打造一个无所不能的办公助手，而是将目光聚焦于日常最耗时的痛点：周报自动生成、会议纪要提炼以及跨表数据清洗。教程中强调，Agent 不是一次性设置就忘掉的，只有切入最痛的极简场景，才能快速验证价值。这种“克制”的起点，为后续的开发省去了大量不必要的弯路。

二、 架构与提示词：用工程化对抗概率失效
在技术选型上，我严格遵循了教程推荐的架构体系。在提示工程（Prompt Engineering）环节，我深刻体会到这并非玄学，而是严谨的工业级实践。为了让 Agent 准确理解我的意图，我为它设定了明确的角色、任务约束和输出格式。例如，在提取会议纪要时，我加入了少样本学习（Few-Shot）和严格的 JSON 输出约束，要求模型必须明确区分“结论”与“待办事项”，并标注负责人。

同时，教程中关于“容错设计”的理念让我受益匪浅。大模型具有概率失效的特性，Agent 工程 90% 的线上事故源于盲目信任。因此，在开发过程中，我为 Agent 引入了指数退避重试机制和正则校验兜底，确保即使遇到网络超时或模型输出格式错误，系统也能优雅降级，而不是直接崩溃。

三、 知识增强与工具调用：打通业务闭环
为了让 Agent 真正懂我的业务，我搭建了企业级 RAG（检索增强生成）知识库。通过滑动窗口算法切分内部文档，并结合混合检索策略，让 Agent 能够基于真实的内部规范生成内容，大幅降低了“幻觉”。

在工具调用层面，我重点攻克了 Excel 数据处理的脏活累活。教程中提到的“模糊+精确”两步法跨表匹配策略，完美解决了不同系统导出文件时客户 ID 格式不一致的痛点。Agent 能够自动探测格式差异、清洗数据，并将低置信度的匹配结果交由人工兜底。这种将“AI 自治”与“人工介入”相结合的零信任执行沙箱设计，确保了业务数据的安全与准确。

四、 复盘与展望：从“代码实现”到“业务交付”
回顾整个开发历程，最大的收获不仅是跑通了一个自动化办公 Agent，更是思维方式的蜕变。我学会了像产品经理一样思考，将模糊的业务需求转化为结构化的工作流；也学会了像架构师一样设计，用工程冗余对抗 AI 的不确定性。

从 0 到 1 打造专属办公 Agent，本质上是一场“人机协同”的预演。未来，我将继续沿着教程的进阶路线，探索多 Agent 协同与模型微调，让 AI 真正从“对话助手”进化为能扛事的“数字员工”，在真实的商业场景中释放生产力。