WEBVTT

1
00:00:00.000 --> 00:00:06.146
大家好，欢迎来到AI生活课第六课，AI怎样帮
你办事情。

2
00:00:06.146 --> 00:00:15.252
前面我们见过AI写文字、整理资料，今天把问题
再往前推一步：如果要查天气、读日历、

3
00:00:15.252 --> 00:00:22.082
处理一份报销材料，光在聊天框里写出一段回答，
事情就完成了吗？

4
00:00:22.082 --> 00:00:22.992
还没有。

5
00:00:22.992 --> 00:00:28.000
文字建议与实际操作之间，需要一些连接和安排。

6
00:00:28.000 --> 00:00:34.147
我们会借助点餐窗口、报销流程和出行助手，把这
条路拆开。

7
00:00:34.147 --> 00:00:38.017
今天不学习安装软件，也不需要编程。

8
00:00:38.017 --> 00:00:47.123
你只要能判断它有没有拿到真实结果、有没有越过
你允许的范围，就已经能更清楚地使用这

9
00:00:47.123 --> 00:00:48.033
些功能。

10
00:00:48.633 --> 00:00:50.645
这一课有两组目标。

11
00:00:50.645 --> 00:00:59.589
第一组是API、工具调用和工作流，分别回答软
件怎么提供功能、AI怎么请求使用功能

12
00:00:59.589 --> 00:01:02.049
、多个步骤怎么排起来。

13
00:01:02.049 --> 00:01:10.992
第二组是智能体、MCP和技能，分别帮助我们理
解谁选择下一步、工具与资料怎样连接、

14
00:01:10.992 --> 00:01:13.228
做事时参考什么指导。

15
00:01:13.228 --> 00:01:18.147
先不用背英文，接下来每个词都有一个生活例子。

16
00:01:18.147 --> 00:01:27.091
听的时候可以一直问三个问题：它负责哪一段，谁
真正执行，完成后有什么可以检查的结果

17
00:01:27.091 --> 00:01:27.315
。

18
00:01:27.315 --> 00:01:36.258
这些词可能出现在同一个产品介绍里，但不是同一
种东西，也不会因为名字多，办事能力就

19
00:01:36.258 --> 00:01:37.376
自动更强。

20
00:01:37.376 --> 00:01:40.283
我们先从最熟悉的点餐开始。

21
00:01:40.883 --> 00:01:49.616
想象你在餐厅点餐，菜单写着能点什么，你告诉服
务员菜名、数量，可能还要说明是否少辣

22
00:01:49.616 --> 00:01:49.834
。

23
00:01:49.834 --> 00:01:53.764
服务员把要求交给厨房，再把菜送回来。

24
00:01:53.764 --> 00:02:02.497
你不需要知道炉灶怎么工作，但不能只说一句随便
弄点好吃的，就期待每项要求都准确实现

25
00:02:02.497 --> 00:02:02.716
。

26
00:02:02.716 --> 00:02:09.702
这个例子里，菜名和数量是输入，厨房做菜是处理
，端回来的菜是结果。

27
00:02:09.702 --> 00:02:12.104
哪一步依赖前面的信息？

28
00:02:12.104 --> 00:02:16.034
厨房要先收到完整订单，才知道做什么。

29
00:02:16.034 --> 00:02:23.239
如果菜名不在菜单里，或者数量没有写清，就需要
补充，而不是擅自猜测。

30
00:02:23.239 --> 00:02:30.007
我们借这个窗口来理解软件之间的接口，下一页再
给它一个正式名字。

31
00:02:30.607 --> 00:02:35.434
这个名字就是API，中文常说应用程序接口。

32
00:02:35.434 --> 00:02:40.491
它是软件之间按约定访问数据或调用功能的接口。

33
00:02:40.491 --> 00:02:47.616
约定里会说明可以请求什么，需要交哪些信息，结
果以什么形式返回。

34
00:02:47.616 --> 00:02:54.052
比如查天气，可能需要城市和日期，服务处理后返
回天气信息。

35
00:02:54.052 --> 00:02:58.419
另一个软件便能继续展示或使用这些信息。

36
00:02:58.419 --> 00:03:07.614
注意，API早在生成式AI流行之前就在使用，
并不是AI专属技术，也不等于屏幕上一

37
00:03:07.614 --> 00:03:08.533
个按钮。

38
00:03:08.533 --> 00:03:12.441
拿到菜单，不代表厨房免费为你服务；

39
00:03:12.441 --> 00:03:17.727
同样，看到接口说明，也不代表已经获得访问权限
。

40
00:03:17.727 --> 00:03:22.094
能查什么、调用是否收费，要看具体服务。

41
00:03:22.094 --> 00:03:26.232
小检查：查明天的天气只交城市够不够？

42
00:03:26.232 --> 00:03:31.519
未必，还要明确日期，避免把今天的结果当成明天
。

43
00:03:32.119 --> 00:03:34.547
现在安排一次周末聚餐。

44
00:03:34.547 --> 00:03:42.935
你先联系餐厅，问周六晚上六点有没有四个人的位
置，收到餐厅回复后，再决定时间。

45
00:03:42.935 --> 00:03:50.662
这里重要的是询问了实际提供信息的一方，而不是
凭过去的印象说肯定有座位。

46
00:03:50.662 --> 00:03:58.830
输入包括日期、时段和人数，返回结果可能是有空
位，也可能是只能安排别的时间。

47
00:03:58.830 --> 00:04:01.699
下一步要依据这个结果改变。

48
00:04:01.699 --> 00:04:05.673
再区分两个动作：询问空位和确认预订。

49
00:04:05.673 --> 00:04:11.854
前者取得信息，后者可能占用座位、留下联系方式
，后果不同。

50
00:04:11.854 --> 00:04:15.827
请人查一查，并不自然包含替你订下来。

51
00:04:15.827 --> 00:04:22.450
AI使用外部能力时，我们也要把这两步分清，这
就来到工具调用。

52
00:04:23.050 --> 00:04:29.706
工具调用，是AI系统请求外部工具获取信息或执
行操作的过程。

53
00:04:29.706 --> 00:04:38.887
通常模型提出用哪个工具、交什么信息，应用负责
实际执行，再把结果交回来，让模型继续

54
00:04:38.887 --> 00:04:39.575
处理。

55
00:04:39.575 --> 00:04:46.920
工具可以查天气、计算数字、读取文件，也可以在
授权范围内执行操作。

56
00:04:46.920 --> 00:04:54.953
API是连接软件的一种接口，工具调用则描述一
次请求、执行和返回的过程。

57
00:04:54.953 --> 00:05:04.134
请记住，模型说我已经发送，并不是发送成功的凭
证，要看执行结果，还要分清成功、失败

58
00:05:04.134 --> 00:05:05.511
和状态未知。

59
00:05:05.511 --> 00:05:13.085
比如没有联网工具，只生成一段今天晴天的文字，
不能叫查询了实时天气。

60
00:05:13.085 --> 00:05:18.364
日常检查时可以看查询来源、结果时间和操作状态
；

61
00:05:18.364 --> 00:05:24.102
失败时也不要马上重复发送，以免第一次其实已经
成功。

62
00:05:24.702 --> 00:05:25.815
再看报销。

63
00:05:25.815 --> 00:05:32.495
通常先填单，上传凭证，检查材料，再审核，最后
才进入付款环节。

64
00:05:32.495 --> 00:05:38.730
前一步给后一步准备输入，缺少凭证，就应回到补
材料的分支。

65
00:05:38.730 --> 00:05:43.183
这里的关键是步骤和条件已经事先安排好了。

66
00:05:43.183 --> 00:05:52.089
假设单据金额与申请金额不一致，流程可以规定先
退回核对，不能因为表格填完了就直接付

67
00:05:52.089 --> 00:05:52.535
款。

68
00:05:52.535 --> 00:06:01.441
我们也可以把会议记录整理成类似过程：录音转成
文字，核对人名与数字，形成纪要，再由

69
00:06:01.441 --> 00:06:02.777
负责人审核。

70
00:06:02.777 --> 00:06:07.675
转写工具提供了文字，不代表纪要可以越过审核。

71
00:06:07.675 --> 00:06:14.355
把每一步的完成条件写清楚，比只说自动帮我做完
更容易发现问题。

72
00:06:14.355 --> 00:06:17.027
这样的安排，叫作工作流。

73
00:06:17.627 --> 00:06:23.642
工作流，是按照预先定义的步骤与条件组织任务执
行的流程。

74
00:06:23.642 --> 00:06:27.651
它可以包含AI，也可以完全不用AI。

75
00:06:27.651 --> 00:06:35.671
比如按固定规则汇总表格，也是一种自动化，并不
能因此判断它使用了人工智能。

76
00:06:35.671 --> 00:06:43.913
屏幕上从收到材料，到按规则处理，再到输出结果
或进入分支，说的就是这种安排。

77
00:06:43.913 --> 00:06:46.363
固定也不等于永远正确。

78
00:06:46.363 --> 00:06:54.160
材料格式变了，某一步超时，或者上一环节给出不
完整结果，都可能影响后面。

79
00:06:54.160 --> 00:07:00.843
继续用会议纪要做检查：转写完成以后，适合由谁
核对参会者姓名？

80
00:07:00.843 --> 00:07:02.625
有现场知识的人。

81
00:07:02.625 --> 00:07:06.189
生成纪要之后，行动事项由谁确认？

82
00:07:06.189 --> 00:07:07.526
相应负责人。

83
00:07:07.526 --> 00:07:15.991
好的工作流不仅规定顺利时怎么走，还规定缺材料
、失败或需要人工判断时停在哪里。

84
00:07:16.591 --> 00:07:18.590
现在看另一种安排。

85
00:07:18.590 --> 00:07:25.474
你请助手为周末出行提出方案，给出出发地点、大
致预算和回家时间。

86
00:07:25.474 --> 00:07:34.358
助手先查天气，发现可能下雨，于是把户外活动换
成室内活动，再比较交通，最后把建议交

87
00:07:34.358 --> 00:07:35.024
给你。

88
00:07:35.024 --> 00:07:42.575
这里的下一步并不只是照着固定清单往下走，而是
会根据刚收到的信息选择。

89
00:07:42.575 --> 00:07:47.017
天气变化会影响目的地，目的地又影响交通。

90
00:07:47.017 --> 00:07:51.236
但是，会选步骤不代表可以替你决定一切。

91
00:07:51.236 --> 00:07:55.900
我们可以把目标说成比较两个方案，列出理由；

92
00:07:55.900 --> 00:08:00.342
同时说明只做查询和建议，不预订、不付款。

93
00:08:00.342 --> 00:08:04.784
这样既留出解决问题的空间，也让边界明确。

94
00:08:04.784 --> 00:08:08.337
下一页我们把这种系统叫作智能体。

95
00:08:08.937 --> 00:08:17.734
智能体，英文是AIAgent，是能够围绕目标
选择行动、使用工具，并根据结果继续处

96
00:08:17.734 --> 00:08:19.273
理的AI系统。

97
00:08:19.273 --> 00:08:26.750
它会依据目标和当前信息选一步，观察结果，再决
定继续、调整，还是结束。

98
00:08:26.750 --> 00:08:34.447
实际能做什么，取决于应用提供了哪些工具、授予
哪些权限，以及任务的约束。

99
00:08:34.447 --> 00:08:41.925
它和工作流并非永远分开，一个应用也可以把固定
步骤与动态选择结合起来。

100
00:08:41.925 --> 00:08:47.862
需要警惕的是，智能体不天然可靠，也不能获得无
限自主权。

101
00:08:47.862 --> 00:08:54.900
出行任务可以限定预算、时间、可读取的资料，以
及哪些操作必须确认。

102
00:08:54.900 --> 00:09:01.277
如果查不到车次，应报告缺少信息，而不是编出一
班车完成任务。

103
00:09:01.277 --> 00:09:08.755
使用时除了问能做什么，还要问遇到什么情况必须
停下来，把决定交还给你。

104
00:09:09.355 --> 00:09:11.323
接下来是连接问题。

105
00:09:11.323 --> 00:09:18.105
假如家里每种设备都用不同接口，换一个设备，就
要重新找适配方式。

106
00:09:18.105 --> 00:09:21.605
统一接口的价值，是减少重复适配。

107
00:09:21.605 --> 00:09:29.480
这个比喻帮助理解MCP为什么会出现，但它不是
在给电脑增加一个真实的插口。

108
00:09:29.480 --> 00:09:38.230
放到AI应用里，一边是需要使用资料和工具的应
用，另一边是提供这些内容的服务，双方

109
00:09:38.230 --> 00:09:42.167
如果遵守共同约定，就更容易交换信息。

110
00:09:42.167 --> 00:09:50.261
这里也有一个必须守住的区别：插头能插上，不代
表设备里的资料都可以随意读取。

111
00:09:50.261 --> 00:09:58.573
比如连接一个日历服务，允许查看空闲时间，和允
许修改所有人的日程，是不同范围。

112
00:09:58.573 --> 00:10:02.292
连接方式与访问许可，需要分别判断。

113
00:10:02.892 --> 00:10:11.535
MCP的英文是ModelContextPro
tocol，可以理解为模型上下文协议

114
00:10:11.535 --> 00:10:11.751
。

115
00:10:11.751 --> 00:10:18.882
它是一种开放协议，规范AI应用如何与外部工具
、资料等内容交换信息。

116
00:10:18.882 --> 00:10:23.203
这里的协议，就是双方共同遵守的通信规则。

117
00:10:23.203 --> 00:10:27.741
它不是新的大模型，也不会自己替你查询日历；

118
00:10:27.741 --> 00:10:33.359
提供查询能力的是相应工具，MCP规定怎样连接
和交流。

119
00:10:33.359 --> 00:10:40.273
连接成功也不保证返回内容正确，更不会自动授予
权限或消除安全风险。

120
00:10:40.273 --> 00:10:46.107
做个小检查：应用连接了日历服务，就可以取消所
有会议吗？

121
00:10:46.107 --> 00:10:47.620
不能这样推断。

122
00:10:47.620 --> 00:10:54.966
还要看服务提供什么能力，应用获准使用什么，以
及用户是否授权这次操作。

123
00:10:54.966 --> 00:11:03.609
因此看到支持MCP，我们可以理解为具有一种连
接方式，不能直接把它翻译成什么都能做

124
00:11:03.609 --> 00:11:03.825
。

125
00:11:04.425 --> 00:11:06.178
最后看操作手册。

126
00:11:06.178 --> 00:11:14.942
新同事第一次整理周报，手册可以告诉他先收集哪
些材料，用什么格式，哪些项目必须核对

127
00:11:14.942 --> 00:11:16.913
，还可以附上模板。

128
00:11:16.913 --> 00:11:21.076
以后遇到同类任务，就不必每次从头解释。

129
00:11:21.076 --> 00:11:25.458
这里提供的是做事指导，而不是新的访问权。

130
00:11:25.458 --> 00:11:32.469
手册写着读取销售数据，不代表读到手册的人就自
动获得销售系统账号；

131
00:11:32.469 --> 00:11:37.727
写着使用某个工具，也不能让不存在的工具突然出
现。

132
00:11:37.727 --> 00:11:43.862
输入是任务和可用材料，指导帮助安排处理，结果
还需要检查。

133
00:11:43.862 --> 00:11:52.625
把这点放回AI，就容易理解技能的主要作用：让
任务方法更容易重复使用，而不是把一段

134
00:11:52.625 --> 00:11:54.816
说明想象成万能能力。

135
00:11:55.416 --> 00:12:03.378
Skills，中文常说技能，是供AI在任务中
使用的模块化指导与配套资源。

136
00:12:03.378 --> 00:12:09.128
它可以包含任务说明、模板、参考材料，有些还包
含脚本。

137
00:12:09.128 --> 00:12:13.994
系统在适用时加载这些内容，帮助处理一类工作。

138
00:12:13.994 --> 00:12:20.629
不同产品支持的方式不同，不能只凭同一个名字推
断功能完全一致。

139
00:12:20.629 --> 00:12:29.033
技能也不是重新训练模型，加载之后不保证每一步
都正确，仍然依赖可用工具和权限。

140
00:12:29.033 --> 00:12:35.225
比如周报技能要求列出已完成事项、待处理问题，
并核对数字；

141
00:12:35.225 --> 00:12:38.764
没有源数据，就应该指出缺少材料。

142
00:12:38.764 --> 00:12:46.283
我们检查技能时，可以问来源是否可信、说明是否
适用、配套资源能否使用。

143
00:12:46.283 --> 00:12:54.024
尤其有可执行内容时，更要看清作用和允许范围，
不能因为叫技能就默认安全。

144
00:12:54.624 --> 00:12:58.291
现在把三个容易混淆的词放在一起。

145
00:12:58.291 --> 00:13:06.543
API、MCP、Skills，分别更像服务窗
口、连接约定，还是操作手册？

146
00:13:06.543 --> 00:13:10.669
请先在心里配对，再给每项补一句理由。

147
00:13:10.669 --> 00:13:15.712
你可以暂停视频，用点餐或周报的例子试着解释。

148
00:13:15.712 --> 00:13:23.964
参考答案是：API更像软件提供服务的窗口，说
明请求需要什么、会返回什么；

149
00:13:23.964 --> 00:13:29.694
MCP更像连接约定，规范应用怎样与工具和资料
交流；

150
00:13:29.694 --> 00:13:36.112
Skills更像操作手册，提供完成任务的指导
和配套资源。

151
00:13:36.112 --> 00:13:41.613
再多想一步，三者都齐了，是否就能任意替你发消
息？

152
00:13:41.613 --> 00:13:42.759
仍然不能。

153
00:13:42.759 --> 00:13:48.719
还需要真实可用的发送工具、适当权限和这项任务
的授权。

154
00:13:48.719 --> 00:13:54.450
能把主要作用和边界一起讲清，就比只记住缩写更
有用。

155
00:14:02.450 --> 00:14:06.276
今天我们沿着办事过程认识了六个词。

156
00:14:06.276 --> 00:14:10.328
API规定软件访问数据和功能的方式；

157
00:14:10.328 --> 00:14:15.731
工具调用让AI系统请求外部能力，由应用实际执
行；

158
00:14:15.731 --> 00:14:18.432
工作流把步骤和条件排好；

159
00:14:18.432 --> 00:14:21.358
智能体围绕目标选择下一步；

160
00:14:21.358 --> 00:14:23.609
MCP帮助规范连接；

161
00:14:23.609 --> 00:14:25.635
技能提供任务指导。

162
00:14:25.635 --> 00:14:34.639
回到日常使用，你不一定能看到每一层技术，但可
以做三个检查：它真正拿到了什么结果，

163
00:14:34.639 --> 00:14:38.916
做到了哪一步，这一步是否在允许范围内。

164
00:14:38.916 --> 00:14:43.418
准备了一封邮件，与邮件已发出，必须区分；

165
00:14:43.418 --> 00:14:47.245
完成查询，与完成预订，也必须区分。

166
00:14:47.245 --> 00:14:56.249
下一课是最后一课，我们会进一步讨论答案的错误
、偏见和资料使用边界，让能办事和办得

167
00:14:56.249 --> 00:14:59.400
可靠之间，多一道清楚的判断。