VIDEO · 人工智能
2027 年，与其钻研提示工程，不如学会管理 AI 智能体
一语总结Nick Saraev 把 AI 使用重新理解为管理持续工作的员工：明确目标、提供背景与范例，并建立反馈、评估和成本控制。
Nick Saraev 认为，比反复打磨提示词更有价值的能力，是像管理长期员工一样管理 AI 智能体。他用常见的委派方法组织这一思路：给出明确且可衡量的目标，补足理解任务所需的背景，并提供优秀作品作为参照。个人知识库可以让智能体持续获取相关信息，减少每次任务重新拼装上下文的工作。训练也不是只完成一次任务，而是重复执行真实工作、逐项审阅结果，把纠错意见整理成可复用的操作规范，再用固定任务集比较新旧模型。成本同样需要管理。作者称自己最近一天花了约 2，500 美元的 token 费用，因此建议按任务难度选择模型、维护提示缓存的连续性，并把不紧急的工作交给批处理。关于他人智能体连续运行数周以及未来能力增长的说法，属于作者转述和预期，没有在视频中独立验证。结尾包含课程推广。
- 可衡量的结果比复杂措辞更重要
例如要求首页在两秒内加载，能让智能体检查是否完成任务；笼统地要求改善网站则缺乏明确标准。
- 背景与范例让任务委派更容易复现
持续可用的知识库与优秀作品共同帮助智能体理解动机，并对照标准判断输出质量。
- 反复执行和反馈可以沉淀操作规范
审阅多次真实结果能发现经常出现的问题；记录修正意见并固定任务集，也能支持模型升级后的横向比较。
- 管理 AI 员工也要控制成本
按任务选择模型、保持提示缓存可用，以及延后批量处理不紧急工作，都可以用于控制支出。
2027 年，与其钻研提示工程，不如学会管理 AI 智能体
Nick Saraev 认为，比反复打磨提示词更有价值的能力，是像管理长期员工一样管理 AI 智能体。他用常见的委派方法组织这一思路：给出明确且可衡量的目标，补足理解任务所需的背景，并提供优秀作品作为参照。个人知识库可以让智能体持续获取相关信息，减少每次任务重新拼装上下文的工作。训练也不是只完成一次任务，而是重复执行真实工作、逐项审阅结果，把纠错意见整理成可复用的操作规范，再用固定任务集比较新旧模型。成本同样需要管理。作者称自己最近一天花了约 2，500 美元的 token 费用，因此建议按任务难度选择模型、维护提示缓存的连续性，并把不紧急的工作交给批处理。关于他人智能体连续运行数周以及未来能力增长的说法，属于作者转述和预期，没有在视频中独立验证。结尾包含课程推广。
文章金句
"如果目标不可衡量，也就是不可验证，它就无法检查自己的工作。
"某种程度上，我在训练它，它也在训练我。
"就像你不会在完全不咨询财务的情况下雇用五十个人一样。