我把万能AI助手拆成了三个笨的,反而好用了

上个月我复盘了自己搭过的那些智能体，发现一个扎心的规律：翻车最多的，恰恰是那些我寄予厚望、想让它"十项全能"的。

写文案、做数据、回消息、整理资料，全塞进一个助手里。结果它写文案的时候忘了格式要求，做数据的时候开始抒情，回消息的时候把前天的资料翻出来乱引。改提示词改到半夜，越改越乱。

后来我才想明白一件事：问题不在模型不够聪明，在于我让它一个人干一个团队的活。

这句话听着别扭，但它是搭建智能体时最反直觉、也最值钱的一条原则。

我们在搭AI助手的时候，本能都是"贪"的：既然要搭，就搭个全能的，一步到位。但真实的情况是——功能越多，提示词越长，约束越互相打架，输出越不可控。

正确的做法是反过来的：

1. 把一个大任务拆成若干个小任务

2. 每个小任务给一个专门的智能体

3. 再由一个总智能体负责调度它们协同工作

就像一家公司不会招一个"什么都干"的员工，而是招客服、会计、设计师各司其职。智能体也一样，贵在"专"和"精"。

我把那个十项全能的助手拆成了三个：一个只管写、一个只管整理资料、一个只管核对格式。每个的提示词都短了一大截，输出反而稳定了。

更反直觉的还在后面。搭智能体有一套"黄金七步法"：需求梳理、技术选型、提示工程、知识库与记忆系统、交互界面、测试评估、部署运维。

注意看顺序——写提示词只排第三。

大多数人（包括以前的我）上来就憋提示词，觉得自己表达能力好就能调教好AI。但排第一的是需求梳理：这个助手要接收什么任务、怎么理解、怎么规划、怎么执行、输出什么结果。这条任务链没想清楚，提示词写得再漂亮也是空中楼阁。

工作流，就是做一杯西瓜汁的流程。

买西瓜 → 榨汁 → 装杯 → 加冰 → 装袋，每一步环环相扣、缺一不可。复杂任务直接塞给一个智能体是很难做好的，正确姿势是拆成小步骤搭一条工作流，每个模块专注一件事。主流平台都支持可视化拖拽搭建，不用写代码。

知识库，就是店里那本操作手册。

顾客问配料、问糖度、问适不适合小孩，店员不用死记硬背，翻手册就行。智能体回答专业问题时也不该"凭空发挥"，而是查你上传的资料。知识库决定了一个智能体到底"懂多少"。

插件，就是扫码枪和外卖平台。

收款、送货不属于"做奶茶"的核心流程，但少了它生意做不成。联网搜索、文件读取、排版输出这些能力，用插件接进来就行，不必自己造。

模型选型，就是挑店员。

不同模型各有侧重，有的擅长推理分析，有的擅长文字表达。选型看两件事：部署方式和预算，具体表现以后台实测为准。

光讲道理不够，给一个我从头到尾跑通的例子。用 Manus 的 Agent 模式做副业路径规划，第一步不是提问，是先喂一份个人知识库，四样东西：

1. 学历与专业能力：会什么，哪些能转化成副业

2. 过往作品：发过的文章、做过的项目，"曾经做出过价值"的证明

3. 性格测评与创作偏好：适合独处写作还是社交互动

4. 可投入的时间：每天几小时，有没有协作资源

然后在添加知识的对话框里，把 MBTI 人格报告这类材料存进去，设置好"什么时候使用这些知识"。最后给提示词，我用的原话结构是：

它输出的每条路径都细化到了平台选择和运营节奏。要提醒的是：这是结构化的参考方案，不是收益承诺——路径合不合适，取决于你喂给它的材料够不够真实，个例效果因人而异。

写在最后：智能体这个东西，门槛早就不在技术上了，而在动手之前的思路。想清楚"它只干哪一件事"，比研究任何工具都值钱。