乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > AI Agent自己「长」技能了!微软新开源项目一周3.3k Star,实操教程来了

AI Agent自己「长」技能了!微软新开源项目一周3.3k Star,实操教程来了

当前时间： 2026-08-17 17:40:30 分类：办公文件 评论(0)
AI Agent自己「长」技能了!微软新开源项目一周3.3k Star,实操教程来了
title: AI Agent自己「长」技能了！微软新开源项目一周3.3k Star，实操教程来了 digest: 微软开源AI Agent技能进化框架，像训练神经网络一样训练Agent技能。本文深度拆解原理+手把手教你搭建自己的AI Agent。

36氪热榜第七名：一周3.3k star，微软开启Skills自我进化，像训练神经网络一样训练技能。

简单说：微软搞了一个框架，让AI Agent能自动学习和进化新技能，不需要人类手把手教。

这事儿为什么重要？因为这意味着AI Agent正在从「工具」变成「同事」。

今天这篇文章，帮你搞懂三个问题：

  1. 这个技术到底是什么？
  2. 它能做什么？
  3. 你能不能自己搭一个？
一、什么是AI Agent技能进化？

先打个比方：

以前的AI Agent像一个只会固定技能的机器人——你让它扫地它扫地，让它做饭它做饭，但它不会自己学会洗衣服。

现在的AI Agent进化了——它能观察、学习、总结，自己「长」出新技能。

微软这个项目的核心思路：

传统AI：人类写代码 → Agent执行
新AI：人类给目标 → Agent自己学习 → 总结技能 → 复用技能

技术原理（通俗版）：

  1. 观察阶段：Agent执行任务，记录每一步操作和结果
  2. 抽象阶段：从多次执行中提取共性，形成「技能模板」
  3. 存储阶段：把技能模板存入技能库
  4. 复用阶段：遇到类似任务时，直接调用已有技能，不用从头学
二、这技术能做什么？

场景1：自动化办公

需求：每周一自动汇总上周的会议纪要、待办事项、项目进度

传统方式：写脚本 → 接API → 调格式 → 定时运行 → 维护

Agent技能进化方式：

  1. 第一周：你手动告诉Agent怎么汇总
  2. Agent观察你的操作，学会流程
  3. 第二周：Agent自动汇总，你审核
  4. 第三周：Agent已经完全掌握，每周自动执行

场景2：代码开发

需求：根据PRD自动生成代码框架

Agent进化过程：

  1. 观察你写代码的习惯和偏好
  2. 学习你的项目架构风格
  3. 自动生成符合你习惯的代码
  4. 越用越准，越来越像你的「代码分身」

场景3：内容创作

需求：批量生成符合品牌调性的公众号文章

Agent进化过程：

  1. 学习你过去100篇文章的风格
  2. 总结出「品牌调性模板」
  3. 新文章自动生成，风格保持一致
  4. 你只需要审核和微调
三、手把手教你搭建AI Agent

接下来是实操部分。我用最简单的方式教你搭建一个基础版AI Agent。

方案一：零代码方案（推荐新手）

工具：Coze（字节跳动）/ Dify（开源）

以Coze为例：

Step 1：注册并创建Bot

  1. 访问 coze.cn
  2. 点击「创建Bot」
  3. 填写名称和描述

Step 2：设置人设和技能

# 人设
你是一个专业的公众号内容助手，负责帮助AI布道师撰写公众号文章。

# 技能
1. 根据选题生成文章大纲
2. 根据大纲生成完整文章
3. 优化标题和摘要
4. 润色文章内容

# 工作流程
1. 接收选题关键词
2. 搜索相关资料
3. 生成3个备选标题
4. 确认后生成完整文章
5. 自动检查文章质量

Step 3：添加插件

  • 搜索插件：添加联网搜索能力
  • 飞书文档：自动保存文章到飞书
  • 图片生成：自动生成配图

Step 4：设置记忆

  • 开启长期记忆
  • 设置记忆变量：品牌调性、常用关键词、目标读者画像

Step 5：测试和迭代

  1. 发送测试选题
  2. 检查输出质量
  3. 根据结果调整Prompt
  4. 重复直到满意

方案二：代码方案（适合开发者）

工具：Python + LangChain

# 最简版AI Agent示例
from langchain.agents import create_react_agent
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langchain_core.prompts import PromptTemplate

# 定义工具
@tool
def search_web(query: str) -> str:
    """搜索网页获取信息"""
    # 这里接入你的搜索API
    return f"搜索结果：{query}的相关信息..."

@tool
def write_article(topic: str, outline: str) -> str:
    """根据大纲写文章"""
    # 这里接入你的AI写作API
    return f"文章已生成：{topic}"

# 创建Agent
llm = ChatOpenAI(model="gpt-4")
tools = [search_web, write_article]

prompt = PromptTemplate.from_template("""
你是一个专业的公众号内容助手。
你的目标：帮助用户完成公众号文章的创作。

你有以下工具可用：
{tools}

工具名称列表：{tool_names}

请按照以下格式思考和行动：
Thought: 我需要做什么
Action: 工具名称
Action Input: 工具输入
Observation: 工具返回结果
... (重复直到完成)
Thought: 我现在知道最终答案了
Final Answer: 最终答案

开始！

Question: {input}
{agent_scratchpad}
""")

agent = create_react_agent(llm, tools, prompt)

# 使用Agent
result = agent.invoke({
    "input": "帮我写一篇关于AI Agent的公众号文章"
})
print(result)

方案三：本地部署（完全自主可控）

工具：Ollama + OpenWebUI

# 1. 安装Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 2. 下载模型
ollama pull qwen2.5:7b

# 3. 安装OpenWebUI
docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

# 4. 访问 http://localhost:3000
# 5. 在设置中添加自定义模型
四、AI Agent的发展趋势

短期（6个月内）：

  • Agent技能进化框架会越来越成熟
  • 更多「零代码」Agent搭建工具出现
  • 企业开始大规模部署AI Agent

中期（1-2年）：

  • Agent之间可以互相协作
  • Agent市场出现（像App Store一样）
  • 每个人都会有自己的AI助手Agent

长期（3-5年）：

  • Agent成为主流工作方式
  • 「人+Agent」的组合成为标配
  • 部分岗位被Agent替代，新岗位出现
总结

AI Agent技能进化是2026年最重要的技术趋势之一。

你现在可以做的三件事：

  1. 体验一下：注册Coze或Dify，搭一个简单的Bot
  2. 思考场景：想想你工作中哪些重复性任务可以用Agent替代
  3. 保持关注：这个领域迭代很快，持续学习

AI Agent不会一夜之间替代你，但会用AI Agent的人会替代不会用的人。

从今天开始，动手试试吧。

你搭过AI Agent吗？或者有什么场景想用Agent解决？评论区聊聊~

相关学习资料