让 Agent 真正进入你的工作

PERSONAL AGENT PRACTICE

把 Agent 从聊天框带进真实工作

一个人，如何在 Syfo 里建立自己的 Agent 工作方式

工作现场→任务闭环→能力复用

HOW TO WORK WITH AGENTS01 / 30

别只拿答案，要训练一条正确路径

一次回答会过期，
经过反馈校正的路径会复利

一次答案

人指定每一步
Agent 给出一次回复
结果留在消息中
下次重新试错

→

持续学习

Agent 先自主寻找路径
人对偏差给具体反馈
用验证结果判断是否有效
经验成为下一次起点

HOW TO WORK WITH AGENTS02 / 30

先建立清晰的工作结构

Agent 接手之前，
工作要先变得可见

资料、决定、文件与边界如果只存在于个人记忆中，Agent 就无法获得完整上下文。

目标资料决定边界

HOW TO WORK WITH AGENTS03 / 30

Agent 会放大既有的混乱

残缺的工作现场，
会产生方向偏差的结果

分散现场

最新版在即时通信
客户要求在邮件
规范在本地文件
决定只存在于记忆

→

共享现场

频道承载项目
Thread 保留过程
Task 呈现状态
交付物指向最终版

HOW TO WORK WITH AGENTS04 / 30

把项目交给 Agent 前，先完成一次清晰交接

不是发出一句要求，
而是把项目交接给一位新同事

交接比喻：让一位刚进入项目的同事，在不依赖口头补充的情况下也能开始工作。

真实案例 · 本次培训 Deck

目标

要完成什么？

30 页个人 Agent 培训，可直接用于正式分享

素材

依据什么做？

原始 Deck、Syfo 文档、实际使用中的薄弱点

约束

什么不能偏？

45 分钟；不谈组织管理；不安排现场练习

过程

如何分阶段？

骨架 → 文字 → 视觉；每一步都在原 Thread 校准

输出

什么算完成？

PPTX 含讲者备注 + PDF + 可访问的线上地址

缺少这些接口，Agent 不是在执行任务，而是在猜测任务。

HOW TO WORK WITH AGENTS05 / 30

管理 Agent 的关键，是反馈而非遥控

让它自己寻找路径，
在关键结果上给反馈

人负责

选择目标
提供事实与边界
指出具体偏差
判断是否通过

Agent 负责

自主搜索与拆解
选择并尝试路径
根据反馈修正
沉淀有效经验

开工前

定义成功

人说明目标、事实、边界与验收标准；Agent 复述理解并提出初始路径。

执行中

对结果反馈

Agent 提交 checkpoint；人指出哪里偏、为什么偏、什么结果才算更好。

交卷后

验证并沉淀

用证据验收路径；通过后把有效方法、失败条件和下一次起点写进交付记录。

例：Tony 指出标题过于接近原版 → Agent 重写 30 页标题并验证零重合 → 人确认后才进入视觉制作与发布。

HOW TO WORK WITH AGENTS06 / 30

把“想要”翻译成“做到”

愿望描述感受，
任务定义结果

模糊愿望

帮我做一个 Agent 培训，整体更高级一些。

可执行任务

背景：45 分钟个人 Agent 培训
对象：非技术背景的新用户
目标：30 页中文逐页稿
约束：不讲组织管理，不安排练习
验收：观点、案例、Syfo 用法与讲稿

HOW TO WORK WITH AGENTS07 / 30

用反馈闭环训练 Agent

目标清楚 · 允许探索 · 用结果校正

01

目标

定义成功标准

02

探索

Agent 自主找路径

03

汇报

提交 checkpoint

04

反馈

指出具体偏差

05

验证

证据判断是否有效

06

经验

保留路径与边界

反馈不是替 Agent 完成下一步，而是告诉它：哪里偏、为什么偏、什么结果才算正确。

HOW TO WORK WITH AGENTS08 / 30

先让 Agent 走出第一条可验证路径

真正的问题，
只有进入执行后才会出现

让 Agent 先自检现有条件，自主选择一个最小路径；结果出现后，再依据事实反馈。

最小尝试自主探索真实反馈

HOW TO WORK WITH AGENTS09 / 30

把抽象焦虑转化为具体问题

想象中的困难很大，
现场的问题通常很具体

预设困难

我没有技术基础
配置一定很复杂
整个项目无法推进

→

现场问题

关键信息仍然缺失
权限或环境尚未就绪
第一条路径的假设不成立

HOW TO WORK WITH AGENTS10 / 30

在行动中学习与校正

先执行，再让错误说明
下一步需要修正什么

未认领确认 @Agent、频道与负责人

无响应检查 Computer / Runtime

无进展在原 Thread 要求 checkpoint

路径偏离指出偏差，让 Agent 给出备选路径

已报错保留证据，只改最小变量

任务过大缩小为可验证下一步

HOW TO WORK WITH AGENTS11 / 30

结果出现偏差，先还原它如何产生

先理解原因，
再给能够改变路径的反馈

Task 与 Thread 保存目标、尝试、反馈和验证；这些记录让 Agent 能修正，而不是重复猜测。

尝试反馈验证经验

HOW TO WORK WITH AGENTS12 / 30

从结论性评价转向问题定位

评价表达情绪，
追问才能找到变量

01

任务是否被收到并认领？

02

上下文与最新决定是否完整？

03

Computer 是否具备工具、账号和网络？

04

Agent 正在执行、等待确认，还是已经报错？

05

当前路径与方法是否适合任务？

06

任务是否需要进一步拆解？

HOW TO WORK WITH AGENTS13 / 30

把失败拆成五个可修复的问题

权限 → 环境 → 上下文 → 路径 → 拆解

01

权限

频道、文件与外部授权

02

环境

Computer、账号、依赖与网络

03

上下文

目标、材料、约束与最新决定

04

路径

当前方法是否有效，有无备选

05

拆解

是否存在可验证的最小下一步

HOW TO WORK WITH AGENTS14 / 30

不要让单一软件定义 AI 能力

界面会变化，
学习与校正不会过期

软件只是入口。稳定结果来自 Agent 自主探索、人的反馈、结果验证与经验沉淀。

会探索能校正可积累

HOW TO WORK WITH AGENTS15 / 30

一项 Agent 工作，如何越做越好

模型负责推理，Computer 负责执行，
反馈修正路径，Syfo 让经验连续

目标方向、边界与成功标准

Agent自主理解、探索与执行

Computer文件、账号、工具与网络

上下文事实、决定与过程记录

反馈指出偏差、原因与期望结果

经验保留有效路径与失败边界

HOW TO WORK WITH AGENTS16 / 30

先让 Agent 自主找路，再补最少条件

不是预装更多，
而是减少重复与无效试错

01

普通任务先交给一个职责清晰的 Agent

02

让 Agent 自检现有环境并提出可行路径

03

只有出现明确缺口时才补权限或工具

04

一个任务只在一个 Thread 推进

05

长任务用 checkpoint 压缩结论与反馈

06

最终把已验证路径写进交付物

节省 Token 的重点不是减少必要思考，而是避免重复解释、重复探索已经失败的路径和重复投递上下文。

HOW TO WORK WITH AGENTS17 / 30

答案越多，方向越重要

Agent 可以扩大探索，
不能替你选择目的地

把值得推进的问题转成 Task，并明确最终要形成的是判断、改变、作品，还是可重复流程。

理解改变创造负责

HOW TO WORK WITH AGENTS18 / 30

真正稀缺的是你自己的问题

没有方向，
速度越快，越容易偏离目标

低价值使用

重复总结公共信息
持续追问最新工具
消费更多答案

→

高价值使用

解释真实客户问题
寻找缺失证据
重构高频工作摩擦

HOW TO WORK WITH AGENTS19 / 30

从四种生活信号里找到问题

摩擦 · 好奇 · 创造 · 改变

01

摩擦

什么事情持续消耗时间？

02

好奇

什么问题值得主动理解？

03

创造

想完成什么作品或价值？

04

改变

希望重构哪一种工作方式？

HOW TO WORK WITH AGENTS20 / 30

从工具收集转向反馈学习

拥有更多配置不等于进步，
修正路径才会形成能力

不看

收集了多少工具和模板

不看

和 Agent 对话了多少轮

看

纠正了哪些具体偏差

看

验证了哪条路径有效

看

Agent 下次能否从经验出发

HOW TO WORK WITH AGENTS21 / 30

忙碌不等于 Agent 在学习

对话数量不是进步，
路径变化才是证据

反馈没有留下

只说‘不好’却没有指出偏差
下次重复同一种错误
失败路径没有证据与结论

→

形成可复用经验

反馈与验证结果可定位
Agent 知道什么路径有效
失败条件成为下一次边界

HOW TO WORK WITH AGENTS22 / 30

让 Agent 在真实问题里形成经验

能力不是准备出来的，
而是在真实任务中练出来

01

问题

目标、事实与边界

02

探索

Agent 自主提出路径

03

Checkpoint

展示过程与证据

04

Feedback

人指出具体偏差

05

Verify

验证新路径是否有效

06

Experience

沉淀方法与失败边界

HOW TO WORK WITH AGENTS23 / 30

高质量反馈，比完美 Prompt 更重要

一次指令不必完美，
每轮反馈必须减少偏差

让 Agent 先行动；看到结果后，说明哪里不对、为什么不对、怎样的证据才代表改对。

指出偏差解释原因定义验证

HOW TO WORK WITH AGENTS24 / 30

给方向和标准，不替 Agent 规定路线

背景 · 目标 · 边界 · 标准 · 反馈

01

为什么要做

02

最终交付什么

03

面向谁

04

已知事实与材料

05

哪些边界不能越过

06

怎样验证结果正确

07

出现偏差时如何反馈

HOW TO WORK WITH AGENTS25 / 30

一次交付，怎样训练出更好的下一次

Agent 自主推进，
反馈持续改变后续路径

01

探索

Agent 先提取并提出课程路径

02

反馈

人指出前半部分不够具体

03

修正

恢复原版叙事并加入 Syfo 场景

04

验证

标题零重合、页面与讲稿通过检查

05

沉淀

把有效结构用于后续迭代

HOW TO WORK WITH AGENTS26 / 30

执行可以交给 Agent，责任不能

自动化可以扩大执行，
不能自动转移责任

可授权执行

资料搜集
初稿与分析
低风险工具调用
自主排障

人类闸口

必须由人负责

目标选择
事实与风险判断
生产、权限与删除操作
对外承诺

HOW TO WORK WITH AGENTS27 / 30

让 Agent 提出反例，而不只是认同

更好的协作，
不是更高效的附和

01

哪些前提可能不成立？

02

有哪些重要反例？

03

哪些事实仍缺少证据？

04

最可能失败的三个环节是什么？

05

是否存在明显不同的备选方案？

HOW TO WORK WITH AGENTS28 / 30

Agent 交卷以后，由人完成最终验收

最后一步，检查目标、事实、边界与风险

✓

目标

结果是否解决原问题

✓

事实

数字、来源与结论是否有证据

✓

边界

隐私、权限与承诺是否合规

✓

风险

高影响动作是否可回滚

✓

复用

交付物是否明确且可定位

HOW TO WORK WITH AGENTS29 / 30

真正的能力，是让 Agent 越做越好

把一次正确路径，
变成下一次的经验起点

syfo.ai

01

目标

方向、边界与成功标准清楚

02

探索

Agent 自主寻找可行路径

03

反馈

人指出偏差，而非接管执行

04

验证

用结果和证据判断是否有效

05

经验

保留正确路径、失败边界与结论

HOW TO WORK WITH AGENTS30 / 30