夜雨聆风学习资料网

ARTICLE · 1166123

AI实战技能 08:别再只用AI聊天——如何让AI真正操作工具,帮你完成任务?

AI实战技能 08:别再只用AI聊天——如何让AI真正操作工具,帮你完成任务?
现在使用AI:
很多人已经非常熟悉。
遇到问题:
问AI。
需要资料:
问AI。
写邮件:
问AI。
分析数据:
问AI。
AI可以很快给出答案。
但实际工作中:
经常会出现一种情况。
AI告诉你:

第一步,打开Excel。

第二步,整理数据。

第三步,生成报告。

第四步,发送邮件。

然后:
你还需要自己:
打开Excel。
复制数据。
整理文件。
打开邮箱。
粘贴内容。
点击发送。
有没有发现:
AI告诉了你怎么做,但真正执行的人还是你。
所以今天想聊的是:

AI Tool Use

也就是:
让AI使用工具,真正帮我们完成任务。

01 从“告诉我怎么做”到“帮我做”

先看一个简单例子。
假设:
你需要整理一份Excel。
传统使用AI:
你问:

如何找出这个Excel里的重复数据?

AI告诉你:
使用条件格式。
或者:
使用COUNTIF。
或者:
使用Python。
然后:
你自己操作。
但如果AI具备:
文件处理工具。
就可以直接说:

请检查这个Excel,找出重复记录,生成一份去重后的新文件,并保留原始文件。

AI可以:
读取文件。
↓
检查数据。
↓
识别重复。
↓
生成新Excel。
↓
返回处理结果。
这时候:
AI不只是:
Answer
回答问题。
而开始:
Act
执行操作。
这就是:
AI Tool Use带来的重要变化。

02 什么是Tool Use?

简单来说:
Tool Use就是:

AI根据任务需要,调用外部工具获取信息或执行操作的能力。

例如:
AI本身可以:
理解语言。
分析问题。
生成内容。
但是:
如果没有连接外部工具,
它未必能够:
读取你的文件。
查询实时信息。
操作邮箱。
修改表格。
访问业务系统。
执行程序。
而通过Tool Use:
AI就可以:
与外部世界发生交互。
例如:
AI + File Tool
读取和处理文件。
AI + Search Tool
搜索实时信息。
AI + Spreadsheet Tool
处理Excel数据。
AI + Email Tool
读取、起草或发送邮件。
AI + Browser Tool
操作网页。
AI + Code Tool
执行程序和数据处理。
这些工具:
相当于:
给AI增加了:
真正做事的能力。

03 AI为什么需要工具?

我们可以把AI理解成:
一个很聪明的助手。
它可能知道:
如何分析数据。
如何写邮件。
如何制作报告。
但是:
知道怎么做,
不代表:
能够直接完成。
就像一个人:
知道怎么开车。
但如果:
没有车。
没有钥匙。
没有驾驶权限。
也无法真正开走。
AI也是一样。
大模型负责:
Reasoning
理解和推理。
工具负责:
Execution
实际执行。
两者结合:
才能从:

“我建议你这样做。”

变成:

“我已经按要求处理好,结果请你确认。”

当然:
前提是:
AI拥有相应工具和授权,
而且任务执行成功。

04 一个实际场景:AI帮你整理文件

假设:
电脑里有一个文件夹。
里面有:
几十份PDF。
十几个Word。
几份Excel。
还有一些图片。
文件名称:
也不统一。
如果自己整理:
需要:
逐个打开。
查看内容。
判断类型。
重新命名。
移动文件。
如果AI具备文件访问和操作能力:
就可以提出任务:

请检查这个文件夹中的文件,根据内容分成合同、报告、会议记录和其他资料四类。

先生成分类清单,不要直接移动或删除文件。等我确认后,再执行整理。

AI可以:
第一步:读取文件信息
↓
第二步:分析文件内容
↓
第三步:提出分类方案
↓
第四步:等待人工确认
↓
第五步:执行文件整理
这时候:
AI已经不只是:
帮助理解文件。
而是在:
帮助管理文件。

05 第二个场景:AI帮你处理Excel

假设:
你有三份Excel。
分别记录:
一月。
二月。
三月。
你需要:
合并数据。
统一字段。
检查重复。
计算汇总。
生成趋势图。
以前:
需要自己:
复制粘贴。
编写公式。
做数据清洗。
生成图表。
现在可以尝试:

请将这三份Excel合并为一份季度数据。

检查字段是否一致,找出重复记录和异常值。

不要修改原始文件。

最后生成一份新的Excel,包括原始合并数据、清洗后的数据和季度汇总。

如果AI具备相应工具:
它就可以实际处理文件。
而不只是:
告诉你:

可以使用Power Query。

或者:

可以编写Python程序。

这就是:
从建议走向执行。

06 第三个场景:AI帮你处理邮件

邮件:
也是非常适合Tool Use的场景。
例如:
每天收到:
几十封邮件。
其中:
有通知。
有广告。
有工作请求。
有需要回复的内容。
如果AI连接了邮箱:
并获得相应权限,
就可以:
读取邮件。
↓
识别重要内容。
↓
提取待办事项。
↓
按主题分类。
↓
生成回复草稿。
例如:

请整理今天收到的邮件,找出需要我回复的内容,并按紧急程度排序。对于需要回复的邮件,先生成草稿,不要直接发送。

这里有一个关键点:
AI可以准备回复,但正式发送前仍然由人确认。
这样既能提高效率,
又能减少误发风险。

07 第四个场景:AI操作浏览器

这是Tool Use:
非常直观的一种能力。
以前:
AI可能告诉你:

请打开网站。

登录账号。

点击某个菜单。

下载文件。

填写表单。

但如果AI具备:
Browser Use
浏览器操作能力。
它就可以在授权环境中:
打开网页。
点击按钮。
输入内容。
选择选项。
读取页面。
下载文件。
甚至:
完成多步骤操作。
例如:

请打开指定网站,查找最近一个月发布的公告,并整理成包含标题、日期和链接的表格。

AI可以:
访问网站。
↓
查找公告。
↓
提取信息。
↓
整理结果。
↓
生成表格。
需要注意:
不同AI产品的浏览器操作能力并不相同。
有些只能读取网页。
有些可以点击和输入。
有些能够执行更复杂的操作。
而且:
登录。
权限。
验证码。
网页变化。
都可能影响执行。
所以:
并不是所有AI都能直接操作任意网站。

08 第五个场景:AI帮你生成完整工作成果

以前使用AI:
很多时候得到的是:
一段文字。
例如:

帮我写一份项目总结。

AI生成:
几千字内容。
然后:
你自己复制到Word。
调整格式。
添加标题。
制作表格。
保存文件。
现在:
如果AI具备文档工具:
就可以直接提出:

根据这些项目资料,生成一份正式的Word总结报告。

包含背景、主要成果、存在问题和下一步计划。

使用统一的标题格式,并生成可以继续编辑的文件。

AI可以:
阅读资料。
↓
提取重点。
↓
设计结构。
↓
生成正文。
↓
排版。
↓
输出Word文件。
这时候:
AI交付的不再只是:
Content
内容。
而是:
Deliverable
真正可以使用的工作成果。

09 Tool Use的核心:AI如何决定使用什么工具?

一个任务:
可能需要多个工具。
例如:

帮我整理最近一个月的销售情况,并生成报告。

这个任务:
可能需要:
数据读取工具
获取销售数据。
↓
数据处理工具
计算指标。
↓
AI分析
寻找变化和异常。
↓
图表工具
生成趋势图。
↓
文档工具
生成报告。
所以:
Tool Use不只是:
调用一个工具。
还包括:

根据任务选择合适的工具,并正确使用工具返回的结果。

但工具选择和调用也可能出错,
所以:
重要步骤需要检查。

10 AI使用工具的基本过程

可以简单理解成:
Understand
理解任务。
↓
Select
选择工具。
↓
Execute
调用工具。
↓
Observe
读取执行结果。
↓
Decide
判断是否需要下一步。
↓
Deliver
交付结果。
例如:
你说:

帮我分析这份Excel,并生成一份PDF报告。

AI首先理解:
需要处理Excel。
然后:
调用数据处理工具。
读取结果。
接着:
分析数据。
生成图表。
最后:
调用文档生成工具。
输出PDF。
这就是:
一个典型的:
Tool Use过程。

11 Tool Use和Workflow是什么关系?

上一篇:
我们介绍了:
AI Workflow
它强调:
把多个步骤连接成稳定流程。
而今天的:
Tool Use
强调:
让AI具备执行具体步骤的能力。
例如:
一个日报Workflow:
每天9点触发。
↓
使用数据库工具读取数据。
↓
使用计算工具生成指标。
↓
AI分析异常。
↓
使用文档工具生成报告。
↓
使用邮件工具创建发送草稿。
这里:
Workflow负责:
整体流程。
Tool Use负责:
具体操作。
所以:
两者并不是竞争关系。
而是:

Workflow决定怎么组织工作,Tool Use让工作真正执行。


12 AI Agent为什么离不开Tool Use?

之前我们介绍过:
AI Agent。
它和普通聊天AI:
一个重要区别是:
能够围绕目标:
自主规划和执行多步骤任务。
但如果没有工具:
Agent即使规划得很好,
也可能只能:
告诉你怎么做。
例如:
你让Agent:

帮我整理今天的重要邮件,并生成待办清单。

如果没有邮箱工具:
它无法读取邮件。
如果没有文件工具:
它无法生成或更新待办文件。
如果没有任务管理工具:
它无法创建任务。
所以:
Agent + Tools
才可能真正完成:
跨系统的实际工作。
可以说:

Tool Use是AI Agent从“会思考”走向“能做事”的重要基础。


13 工具越多,AI就越强吗?

不一定。
假设:
给AI连接:
邮箱。
云盘。
浏览器。
日历。
数据库。
任务系统。
聊天软件。
是不是:
AI就一定更厉害?
不一定。
因为:
工具越多:
可访问的数据越多。
可能执行的操作越多。
出错的影响范围:
也可能越大。
例如:
AI误删文件。
误发邮件。
错误修改数据。
向错误对象共享资料。
这些都不是:
简单的回答错误。
而可能是:
真实世界中的操作错误。
所以:
Tool Use带来的不仅是能力提升。
还有:
责任和风险。

14 第一个安全原则:最小权限

这是Tool Use:
非常重要的一条原则。
Least Privilege
最小权限。
简单来说:

只给AI完成当前任务真正需要的权限。

例如:
只是分析Excel。
就不需要:
删除原始文件的权限。
只是整理邮件。
就不一定需要:
自动发送邮件的权限。
只是查看日程。
就不需要:
修改或取消会议的权限。
如果只需要读取:
就尽量使用:
Read-only
只读权限。
不要一开始就:
开放所有操作能力。

15 第二个安全原则:重要操作先确认

对于不同操作:
可以设置不同的确认级别。
低风险操作
例如:
读取资料。
生成摘要。
制作草稿。
可以:
自动完成。
中风险操作
例如:
修改文件。
更新任务。
创建日程。
建议:
根据场景设置确认或撤销机制。
高风险操作
例如:
删除重要数据。
对外发送敏感信息。
支付。
提交正式申请。
修改关键业务系统。
应该:
要求明确授权和必要的人工确认。
也就是:
Human-in-the-Loop
AI可以准备。
但重要决定:
由人确认。

16 第三个安全原则:先预览,再执行

这是非常实用的一个技巧。
例如:
不要直接说:

帮我把文件夹整理一下。

可以改成:

请先扫描文件夹,生成文件分类和重命名建议,不要直接修改。等我确认后再执行。

或者:
不要直接说:

帮我清理Excel里的异常数据。

可以改成:

请先列出异常数据及处理建议,不要删除或覆盖任何记录。确认后再生成清洗后的新文件。

这种方式:
可以简单理解成:
Preview → Confirm → Execute
先预览。
再确认。
最后执行。
对于:
文件操作。
数据修改。
邮件发送。
批量更新。
尤其重要。

17 第四个安全原则:保留执行记录

如果AI真正执行了操作:
还应该知道:
它做了什么。
例如:
读取了哪些文件?
修改了哪些记录?
调用了哪些工具?
哪些步骤成功?
哪些步骤失败?
生成了什么结果?
这就是:
Execution Log
执行记录。
对于简单个人任务:
可能只需要:
一个处理结果清单。
但对于复杂工作:
执行记录非常重要。
因为:
一旦结果出现问题,
需要知道:

到底是哪一步出了错?


18 AI执行失败时怎么办?

很多人对Tool Use:
有一个期待:

我把任务交给AI,它就应该全部完成。

但现实中:
AI可能遇到:
文件格式不支持。
网页加载失败。
权限不足。
工具连接中断。
数据不完整。
执行结果不符合预期。
所以:
一个好的Tool Use过程:
不应该只是:
成功或失败。
还应该能够:
Detect
发现问题。
Explain
说明原因。
Recover
尝试合理恢复。
Escalate
必要时交给人处理。
例如:
AI无法读取某个文件。
正确的做法:
应该是:
明确告诉你:
哪个文件读取失败。
哪些内容没有处理。
最终结果是否完整。
而不是:
假装已经完成全部任务。

19 不要把“执行了”当成“做对了”

这是使用Tool Use时:
最需要注意的一点。
AI可能告诉你:

文件已经处理完成。

但是:
处理完成。
不代表:
处理正确。
例如:
Excel合并成功。
但:
部分字段错位。
报告生成成功。
但:
引用了错误数据。
邮件草稿完成。
但:
收件人或附件不对。
所以:
真正重要的是:
Verification
结果验证。
可以让AI:
在交付结果时:
同时说明:
执行了哪些步骤。
处理了多少条数据。
发现了哪些异常。
有哪些地方需要人工确认。
这比:
简单说一句:

已完成。

更加可靠。

20 一个可以直接使用的Prompt

下次需要AI真正处理任务:
可以试试:

我希望你使用可用工具,帮助我完成以下任务:

【描述具体任务】

请按照以下原则执行:

第一步:理解任务

明确最终需要交付什么结果。

第二步:制定执行计划

将任务拆成必要步骤,说明需要使用哪些工具。

第三步:检查权限和风险

判断哪些操作可以直接执行,哪些需要我确认。

第四步:执行

在现有权限和工具能力范围内完成任务。

第五步:验证

检查执行结果是否满足要求。

第六步:交付

提供最终结果,并说明执行了哪些操作、哪些步骤失败或未完成。

注意:

  • 不要删除或覆盖原始数据;

  • 涉及对外发送、删除、支付或重要修改时,先征求我的确认;

  • 如果工具不可用或权限不足,请明确说明;

  • 不要把未执行的操作描述成已经完成。

这个Prompt:
并不是让AI:
无限自主执行。
而是:

让AI在明确的任务、权限和检查机制下执行。


21 从Prompt Thinking到Task Thinking

以前使用AI:
我们经常关注:
Prompt
怎么提问?
怎么描述?
怎么让AI回答得更好?
但是:
当AI开始具备Tool Use能力:
我们的思考方式:
也需要发生变化。
从:
Prompt Thinking
如何写好一个问题?
走向:
Task Thinking
如何定义一个可以完成的任务?
例如:
以前:

请告诉我如何整理这份Excel。

现在:

请将这三份Excel合并,检查重复数据,生成季度汇总,并输出一份新文件。保留原始文件。

这里面:
包含了:
输入。
处理要求。
约束。
输出。
完成标准。
这已经不只是:
一个问题。
而是:

一个明确的任务定义。


22 一个好的AI任务应该包含什么?

可以简单记成:
G-I-C-O-V
Goal
目标是什么?
Input
需要哪些输入?
Constraints
有哪些限制?
Output
最终交付什么?
Verification
如何判断完成正确?
例如:
Goal
整理季度销售数据。
Input
三份月度Excel。
Constraints
保留原始文件,不删除数据。
Output
一份季度汇总Excel。
Verification
核对记录数量、金额合计和异常清单。
当这五件事情:
说清楚以后:
AI就更容易:
真正完成任务。

23 不要一开始就追求完全自动化

第一次尝试Tool Use:
可以从:
简单、可验证的任务开始。
例如:
合并Excel。
整理文件。
生成Word。
提取PDF信息。
制作图表。
生成邮件草稿。
等熟悉以后:
再逐渐尝试:
多个工具协作。
跨应用操作。
定时执行。
自动通知。
复杂任务处理。
因为:
真正重要的:
不是:
AI一次能做多少事。
而是:

你能不能放心地把一件事交给它。


24 AI正在从“回答界面”走向“工作界面”

过去:
我们使用AI:
主要是在:
聊天窗口。
输入问题。
阅读答案。
复制结果。
但是:
随着Tool Use能力的发展:
AI开始能够:
访问文件。
操作应用。
调用API。
执行程序。
生成成果。
连接系统。
这意味着:
AI可能逐渐从:
Answer Interface
回答问题的界面。
走向:
Work Interface
完成工作的界面。
当然:
这并不意味着:
所有工作都可以自动完成。
也不意味着:
人不再需要判断。
而是:

越来越多的工作,可以从“人亲自操作每一步”,转变为“人定义目标、AI执行、人检查结果”。


写在最后

如果让我用一句话总结今天这篇:

不要只让AI告诉你怎么做,试着让AI在可控的范围内,真正帮你把事情做完。

AI Tool Use:
最基础的是:
Read
读取信息。
再进一步:
Analyze
分析处理。
然后:
Execute
执行操作。
再进一步:
Connect
连接多个工具。

相关学习资料