最近准备了一场WorkBuddy的分享，主要目的是让大家可以搭建自己的专家——智能体。

选的场景很简单：平时我在ima里收藏了不少文章。收藏的时候都觉得以后有用，真正有空再回头看的，没几篇。

于是我想让智能体读取当天新增的收藏，筛出值得关注的内容，完成分类和提炼，每天给我一个汇总的结果，这样可以让我的收藏不至于全部落灰。

整个实例场景，我进行三轮工作：

• 第一轮直接通过默认的通用智能体进行任务执行

• 第二轮则是封装为一个独立的专家，方便后续调用

• 第三轮则主要是进行一些针对性修改

●先把一个真实任务做完

第一次操作，我没有创建专家，直接使用WorkBuddy的通用智能体。

把任务要求说清楚，然后给它配置了两项能力：

• 连接器：ima知识库

• 技能：歸藏的PPT Skill。

整个链路大概是这样：

ima 收藏 → 智能体获取文章 → 智能体筛选分类、提炼观点 → 调用 Skill，生成 PPT

虽然看起来链路挺复杂的，但操作过程很简单。

1. 新建任务

2. 连接器链接ima知识库，需要授权，并打开

3. 按照截图发送“帮我整理一下ima知识库中今天新增的内容” 即可。

可以看到，今日新增的内容已经整理出来了。

接下来就是按照要求生成 PPT 了。

等待一段时间后，PPT也生成了，准确说是PPT样子的html。

●任务做成了，为什么还要创建专家？

第一次跑完之后，PPT已经能生成了。

如果只看这一次，好像事情已经结束。

但是再往下想一层，问题就来了。

下次执行时，我还要重新描述任务，重新配置知识库和Skill。文章怎么筛、内容怎么分类、PPT要做到什么程度，这些经验也都留在当前对话里。

换一个新对话，甚至换一个人来做，很可能又要从头补充。

于是第二轮我们就做一件事，把已经跑通的任务创建成了一个可复用的“每日知识速览专家”。

它不是简单保存一段提示词，也不只是给智能体换了一个名字和头像。更准确地说，它是在沉淀一个场景能力包：

• 这项任务解决什么问题

• 文章按照什么方法筛选和处理

• 需要调用哪些知识库与 Skill

• 最终输出什么结构

• 哪些事情可以做，哪些不能做

有了专家，下次我不需要再次写一大段提示词，只要调用这个专家，给出本次任务的简单要求，就可以重新执行。

操作也是异常简单，只有一句话。

是的，第二轮最重要的就是一句话，甚至，这句话的内容也不重要。

重要的是这个思路：把已经验证过的任务执行过程沉淀下来。

●专家不是创建一次就结束了

一次沉淀下来的专家，不可能永远好用。

当使用多了之后，终究会碰到一些异常情况，比如：每天推荐的文章数量太多，没法达到速览的效果。

这时，我们就需要修改专家，调整筛选后结果的数量。

这里有两种方式：

第一种类似第二轮的操作，自然语言交流，不过需要在“我的专家”中进行触发。

第二种则是直接修改专家的设定文档。

通过下面的操作可以快速定位到设定文档。

这种明确的调整场景，我更喜欢第二种修改设定文档的方式，快速精准。但是需要注意，修改设定文档后要重启WorkBuddy才能起效。

下图可以看到，修改后的智能体只筛选出了2条。

后续的自动化执行，我就不展开了，设定好频率，选择相应的专家并输入指令即可。

●结语

这个知识速览助手的场景并不复杂，当前版本也依然还有一些优化需要去完善。

但这个场景所要展示的任务执行 → 能力沉淀 → 持续迭代的思路应该已经很清晰了。

第一步，把任务做出来。

第二步，把做出来的过程沉淀成专家。

第三步，不断优化调试专家。

这样，自然而然的，一个个实用的“专家”就搭建好了，一位位 AI 同事 也就诞生了。