夜雨聆风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：
这个技术到底是什么？ 它能做什么？ 你能不能自己搭一个？
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）：
观察阶段：Agent执行任务，记录每一步操作和结果 抽象阶段：从多次执行中提取共性，形成「技能模板」 存储阶段：把技能模板存入技能库 复用阶段：遇到类似任务时，直接调用已有技能，不用从头学
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：
第一周：你手动告诉Agent怎么汇总 Agent观察你的操作，学会流程 第二周：Agent自动汇总，你审核 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：
观察你写代码的习惯和偏好 学习你的项目架构风格 自动生成符合你习惯的代码 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：
学习你过去100篇文章的风格 总结出「品牌调性模板」 新文章自动生成，风格保持一致 你只需要审核和微调
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
访问 coze.cn 点击「创建Bot」 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
发送测试选题 检查输出质量 根据结果调整Prompt 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
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
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：
体验一下：注册Coze或Dify，搭一个简单的Bot 思考场景：想想你工作中哪些重复性任务可以用Agent替代 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~
