前言

在前几篇文章中，我已经复盘了乌东村文旅 AI 智能客服与推荐系统的整体拆解、5 个 Skill 的设计，以及品牌 PPT 和数据分析 Skill 的具体实现。

这一篇进入第二个核心模块：Agent 团队设计。

如果说 Skill 是 AI 的能力模块，那么 Agent 就是更高层次的“岗位角色”。
它不只是会调用某个工具，而是具备明确的职责、工作风格、输出规范和协作关系。

这也是我在做作业过程中最容易混淆的一点：

Skill 不是 Agent
Agent 也不是 Skill
Agent 是会调用 Skill 的角色

本篇文章主要复盘我如何为乌东村 AI 智能客服与推荐系统设计 5 个 Agent：

1. data-analyst：数据分析师
2. market-researcher：市场研究员
3. content-creator：内容创作者
4. creative-designer：视觉创意总监
5. campaign-strategist：活动策略师 / 总调度

---

一、为什么需要 Agent？

一开始我以为只要把 5 个 Skill 写好就够了：

brand-ppt：生成 PPT
social-creative：生成社交媒体创意
market-research：做市场研究
data-analysis：做数据分析
content-creation：做内容创作

但老师的要求里还有第二个模块：搭建 5 个 Agent。

这说明作业并不只是要求 AI “具备能力”，还要求 AI 能像一个团队一样协作。

单个 Skill 解决的是：

怎么完成某类任务

Agent 解决的是：

谁来完成这个任务
用什么方式完成
和谁协作
最终输出给谁

例如：

data-analysis Skill 可以定义数据清洗、统计和图表生成流程。
但 data-analyst Agent 需要定义这个“数据分析师”的角色、工作风格、输出规范和协作接口。

所以 Agent 的价值在于：

让 AI 从“工具”变成“项目成员”。

---

二、Skill 和 Agent 的区别

我最终用这张表来理解两者区别：

维度	Skill	Agent
本质	能力模块	角色岗位
关注点	怎么做	谁来做、怎么协作
文件形式	skills/*.md	AGENTS.md
例子	data-analysis	data-analyst
输出重点	流程、模板、规则	职责、风格、边界、协作
测试方式	用 Skill 跑任务	让 Agent 调用 Skill 完成角色任务

举个例子：

Skill：data-analysis
负责定义：
- 如何读取 CSV / Excel / JSON
- 如何清洗数据
- 如何生成图表
- 如何输出报告

Agent：data-analyst
负责定义：
- 它是专业数据分析师
- 工作风格严谨、客观
- 调用 data-analysis 技能
- 输出结论摘要、数据支撑、建议行动
- 主动说明数据局限性

如果把 Agent 写成 Skill，就会变成重复描述能力。
如果只写 Agent 不配 Skill，就会变成空泛角色设定。

真正合理的关系是：

Agent = 角色定位 + 工作风格 + 配备 Skill + 输出规范 + 协作关系

---

三、AGENTS.md 的整体设计

我把所有 Agent 都写在：

AGENTS.md

这个文件里。

它相当于整个 AI 团队的组织架构说明书，主要包含：

1. 项目背景
2. 5 个 Agent 的角色定义
3. 每个 Agent 的配备技能
4. 每个 Agent 的输出规范
5. 路由规则
6. 协作流程
7. 多 Agent 综合测试任务

一个 Agent 的基本结构大致是：

## data-analyst

### 角色定位
专业数据分析师，负责乌东村 AI 智能客服与推荐系统的数据分析和报告生成。

### 核心职责
- 数据读取与清洗
- 关键指标计算
- 可视化分析
- 业务洞察提炼
- 数据局限说明

### 配备技能
- data-analysis

### 工作风格
严谨、客观，用数据说话，避免主观猜测。

### 输出规范
所有报告必须包含：
- 结论摘要
- 数据支撑
- 建议行动
- 数据局限性说明

### 协作关系
向 campaign-strategist 提供指标基线和效果评估。

这样老师看 AGENTS.md 时，可以很快知道每个角色是干什么的。

---

四、Agent 1：data-analyst 数据分析师

1. 角色定位

data-analyst 是数据分析师，负责乌东村 AI 智能客服与推荐系统中的数据分析与报告生成。

它对应的是 Skill 4：

data-analysis

它的任务不是写市场判断，也不是写文案，而是：

用数据发现问题，用图表解释问题，用报告提出建议。

---

2. 核心职责

我给它定义了三类核心职责：

1. 数据处理
   读取 CSV / Excel / JSON，完成缺失值、重复值、异常值检查。

2. 洞察提炼
   从游客数据、咨询数据、推荐点击数据中发现业务规律。

3. 报告输出
   生成结构化 Markdown 分析报告，供策略决策使用。

典型任务包括：

分析游客咨询高峰时段
分析高频问题
对比不同用户类型的路线偏好
评估推荐点击 → 收藏 → 预约转化漏斗
输出周报或月报

---

3. 工作风格

data-analyst 的工作风格必须是：

严谨、客观，用数据说话，避免主观猜测。

这点很重要。

因为 Skill 4 使用的是课程测试模拟数据，所以 data-analyst 必须主动说明：

数据来源
样本量
是否模拟数据
数据局限性
结论置信度
哪些判断不能直接用于真实商业决策

如果它直接根据模拟数据给出真实经营结论，就不合格。

---

4. 输出规范

所有 data-analyst 的报告必须包含：

1. 结论摘要
2. 数据支撑
3. 图表说明
4. 业务洞察
5. 建议行动
6. 数据局限性

例如，不能只写：

推荐点击量为 12000，预约转化量为 900。

还要写：

推荐点击到预约之间存在明显流失，说明用户对路线感兴趣，但可能在价格、路线强度、住宿条件等方面仍有疑虑。AI 客服应在推荐路线后补充追问问题，以降低决策阻力。

这才是有业务价值的数据分析。

---

5. 与其他 Agent 的协作

data-analyst 主要给其他 Agent 提供数据支撑：

向 campaign-strategist 提供指标基线和效果评估
向 market-researcher 提供用户行为数据，验证市场假设
向 content-creator 提供高转化内容方向
向 creative-designer 提供图表和可视化素材

在整个系统中，它是“数据大脑”。

---

五、Agent 2：market-researcher 市场研究员

1. 角色定位

market-researcher 是市场研究员，负责分析乌东村文旅项目的目标市场、用户需求、竞品格局和行业趋势。

它对应 Skill 3：

market-research

它主要回答三个问题：

市场是谁？
竞品怎么样？
趋势往哪走？

---

2. 核心职责

market-researcher 的核心任务包括：

1. 受众画像分析
2. 竞品情报扫描
3. 市场趋势雷达
4. SWOT 分析
5. AI 客服与推荐规则启发

例如，它需要分析：

年轻游客为什么来？
亲子家庭担心什么？
康养游客关注什么？
研学团队需要什么课程？
竞品苗寨的优势和不足在哪里？

---

3. 工作风格

market-researcher 的工作风格要比普通文案更严谨：

数据驱动
多来源交叉验证
区分事实和推断
善用 PESTEL、波特五力、SWOT 等分析框架
不虚构精确数据
不把社交平台观点当官方事实

我还给它加入了可信度分级：

A 级：政府、文旅部门、官方项目资料、权威统计
B 级：行业报告、新闻媒体、公开平台资料
C 级：OTA 评论、社交媒体内容、游客攻略
D 级：AI 推断、经验判断、无法核验内容

注意：market-researcher 不是“主要靠猜”。
它应该根据来源类型动态判断可信度。

---

4. 输出规范

market-researcher 的输出必须包含：

受众画像
竞品分析
市场趋势
SWOT
事实与推断区分
来源可信度评级
对 AI 客服与推荐系统的启发

特别是最后一项非常重要。

市场研究不能只停留在：

年轻游客喜欢拍照
亲子家庭重视安全

而要转化为 AI 客服规则，例如：

针对年轻游客：
AI 客服应优先追问“是否想拍照打卡”“是否需要小红书路线”“是否偏向轻松半日游”。

针对亲子家庭：
AI 客服应追问“孩子年龄”“是否需要低强度路线”“是否关注安全和休息点”。

---

5. 与 data-analyst 的区别

这两个 Agent 很容易混淆，所以我专门区分：

维度	market-researcher	data-analyst
研究对象	外部市场、竞品、趋势	内部运营数据
数据来源	政府资料、行业报告、社媒、竞品页面	CSV、Excel、日志、业务数据
输出形式	定性分析 + 结构化表格	定量统计 + 可视化图表
典型问题	目标游客是谁？竞品怎么打？	咨询量趋势如何？转化率多少？
价值	战略输入	数据验证

二者是互补关系。

---

六、Agent 3：content-creator 内容创作者

1. 角色定位

content-creator 是内容创作者，负责将市场洞察、项目功能和推广目标转化为多平台可发布内容。

它对应 Skill 5：

content-creation

它的任务不是随便写文案，而是：

根据目标平台、目标受众和预期行动，生成平台特化内容。

---

2. 支持平台

content-creator 支持的平台包括：

微信公众号
小红书
抖音 / 视频号
LinkedIn 英文版
Lead Magnet
私信 / 邮件转化话术

其中老师测试里比较容易忽略的是 LinkedIn 英文版。
如果只生成公众号、小红书、短视频，可能还不够完整。

---

3. 工作风格

content-creator 的工作风格是：

创意与策略并重
内容必须有钩子
内容必须有实际价值感
避免空泛宣传和硬广
不把同一篇内容简单复制到不同平台

也就是说，它不能把公众号长文删短就当作小红书，也不能把小红书翻译一下就当 LinkedIn。

---

4. Voice Profile

它必须调用 skills/content-creation.md 中定义的 Voice Profile。

乌东文旅的内容声音大致是：

温和真实
有画面感
有文旅温度
像朋友推荐
不硬卖
不夸张

同时，如果 writing-samples/ 里有范文，它要学习范文的：

标题方式
段落节奏
常用表达
行动号召方式

但不能直接复制原文。

---

5. 输出规范

content-creator 的所有内容都必须标注：

目标平台
目标受众
内容目标
预期行动
标题
正文
配图建议
CTA
AI 客服承接方式

其中“AI 客服承接方式”是 OPC-08 项目的特色。

例如小红书内容结尾可以写：

评论“路线”，我让 AI 客服帮你按人数、预算和时间定制一条乌东村路线。

这就把内容流量引导到 AI 客服系统。

---

6. 与其他 Agent 的协作

content-creator 的协作关系是：

campaign-strategist 提供内容目标和推广节奏
market-researcher 提供受众画像和市场洞察
content-creator 生成多平台内容素材
creative-designer 根据文案生成视觉设计
data-analyst 反馈内容表现数据，帮助优化后续内容

它是内容营销流程中的执行者。

---

七、Agent 4：creative-designer 视觉创意总监

1. 角色定位

creative-designer 是视觉创意总监，负责乌东村文旅项目的 PPT 视觉方案、社交媒体图文和整体品牌一致性。

它对应两个 Skill：

brand-ppt
social-creative

也就是说，它同时负责：

PPT 视觉
社交媒体视觉
品牌风格统一

---

2. 工作风格

老师对 creative-designer 的要求里有一句很关键：

先问清楚目的和受众，再动手设计。

所以我给它定义的工作风格是：

先确认使用目的、目标受众、平台和传播目标
每个方案必须有明确视觉主张
不做无目标的装饰设计
保持乌东文旅品牌一致性
在民族文化、自然生态和智慧文旅之间取得平衡

这可以避免 AI 只做“好看但没目的”的设计。

---

3. 品牌记忆

creative-designer 必须读取：

brand_analysis.md

作为设计决策依据。

它要使用其中的：

主色调
辅助色
字体规律
版式风格
图片风格
内容语气

这对应评分里的：

品牌一致性：20 分

---

4. 输出规范

每个设计方案都必须包含：

设计目的
目标受众
视觉主张
配色方案
版式说明
图片使用建议
设计思路
替代方案建议

这里的“替代方案建议”很重要。

例如：

如果面向老师课堂汇报，建议使用内部版：结构清晰、图表和流程更多。
如果面向合作方路演，建议使用客户版：大图背景、价值卡片、文旅视觉更强。

---

5. 测试任务

creative-designer 的测试任务包括：

1. 生成 6 页以上 PPT 设计方案
2. 生成 3 张社交媒体宣传图文案
3. 提供视觉风格说明
4. 提供替代方案建议
5. 检查与 brand_analysis.md 是否一致

需要注意的是：不要引入不在老师要求里的 Agent。
比如之前我一度出现了 route-planner，这是不严谨的，因为老师只要求 5 个 Agent。

---

八、Agent 5：campaign-strategist 活动策略师

1. 角色定位

campaign-strategist 是整个系统的总调度，也可以理解为活动策略师。

它对应两个 Skill：

market-research
data-analysis

它的职责是：

整体策略规划
任务拆解
多 Agent 协调
资源整合
效果评估
风险管理

如果说其他 Agent 是执行者，那么 campaign-strategist 就是项目经理和策略负责人。

---

2. 工作风格

它的工作风格是：

战略优先，先定方向再拆任务
先明确目标、指标和关键假设
善于提出假设并验证
避免只给口号式方案
所有策略必须有执行路径和风险预案

这也是它和普通内容生成 Agent 的区别。

---

3. 输出规范

campaign-strategist 的策略文档必须包含：

目标
指标
执行路径
风险假设
任务分工
复盘方式

例如：

目标：3 个月内提升乌东村 AI 智能客服咨询量和路线推荐转化率

指标：
- 咨询量
- AI 问答完成率
- 推荐点击率
- 收藏率
- 预约转化率

执行路径：
第 1-4 周：基础建设期
第 5-8 周：内容放量期
第 9-12 周：转化冲刺期

---

4. 调度规则

这里要注意一个点：campaign-strategist 不是所有任务都必须先经过的唯一入口。

更准确的规则是：

单一任务：直接路由给对应 Agent
复杂多步骤任务：先由 campaign-strategist 拆解，再协调多个 Agent

例如：

用户只说“写一篇小红书文案”
→ 直接给 content-creator

用户说“做一个完整推广方案”
→ 交给 campaign-strategist 拆解

这样路由规则更合理。

---

5. 协作关系

campaign-strategist 的协作流程是：

向 market-researcher 分派市场与受众研究任务
向 data-analyst 分派数据分析与效果评估任务
向 content-creator 分派内容创作任务
向 creative-designer 分派视觉设计任务
最终由 campaign-strategist 汇总成完整策略方案

它不负责具体写文案、做设计、清洗数据，但负责：

制定策略框架
拆解任务
定义指标
整合结果
进行最终判断

---

九、Agent 测试结果设计

每个 Agent 都需要有测试结果，不能只写定义。

所以我在项目中准备了：

agent-test-results/
├─ data-analyst-test-final.md
├─ content-creator-test-final.md
├─ market-researcher-test-final.md
├─ creative-designer-test-final.md
├─ campaign-strategist-test-final.md
└─ multi-agent-collaboration-test-final.md

每个测试结果都要体现 Agent 的角色。

例如：

data-analyst：必须有数据分析和数据局限
market-researcher：必须有事实/推断区分和可信度评级
content-creator：必须有多平台内容差异
creative-designer：必须有设计思路和替代方案
campaign-strategist：必须有目标、指标、执行路径和风险假设

---

十、Agent 测试不能写成说明书

做 Agent 测试时，容易出现一个问题：

只是分析这个 Agent 的作用，而没有让它执行任务。

例如只写：

data-analyst 是数据分析师，负责数据分析与报告生成。

这不够。

正确测试应该是：

给 data-analyst 一个 CSV
让它完成数据清洗、指标计算、可视化说明和报告生成

再比如 content-creator，不能只写“它能写文案”，而要真的生成：

微信公众号长文
小红书短笔记
LinkedIn 英文版
平台差异对比

Agent 测试的关键是：

证明它真的按角色完成了一次任务。

---

十一、多 Agent 协作测试

除了单个 Agent 测试，还要做多 Agent 协作测试。

我设定的任务是：

为乌东村 AI 智能客服与推荐系统制定一份完整推广方案。

协作流程如下：

第一阶段：campaign-strategist 拆解任务
第二阶段：market-researcher 输出市场与竞品分析
第三阶段：data-analyst 输出指标体系和数据追踪方案
第四阶段：content-creator 输出内容营销物料
第五阶段：creative-designer 输出视觉设计方案
第六阶段：campaign-strategist 汇总完整方案

这样可以证明：

1. 任务不是一个 Agent 单独完成
2. 每个 Agent 都承担了自己的专业部分
3. 最终结果由 campaign-strategist 统一整合

这部分对应评分中的：

多 Agent 协作效果：20 分

---

十二、截图建议

Agent 部分建议截图：

1. AGENTS.md 中 5 个 Agent 定义
2. data-analyst 的角色定位、工作风格、配备技能
3. market-researcher 的可信度评级和事实/推断区分
4. content-creator 的平台特化输出
5. creative-designer 的品牌记忆和设计规范
6. campaign-strategist 的调度规则和输出规范
7. agent-test-results/ 目录
8. multi-agent-collaboration-test-final.md 的任务拆解
9. multi-agent-collaboration-test-final.md 的最终汇总方案

如果截图数量有限，最重要的是：

AGENTS.md 五个角色定义
agent-test-results/ 目录
multi-agent-collaboration-test-final.md

这三张能证明 Agent 模块和协作模块存在。

---

十三、踩坑总结

1. 不要把 Agent 写成 Skill

Skill 强调“怎么做”，Agent 强调“谁来做”。
如果 Agent 里全是流程模板，就会和 Skill 重复。

---

2. 不要只写 Agent 介绍

Agent 必须能执行测试任务。
否则就是角色设定，不是可运行 Agent。

---

3. 工作边界要写清楚

例如：

content-creator 不负责市场事实判断
market-researcher 不负责真实数据清洗
creative-designer 不负责写完整文案
data-analyst 不负责制定整体策略
campaign-strategist 不负责具体执行文案和设计

边界清楚，协作才清楚。

---

4. campaign-strategist 不能太绝对

它不是所有任务的唯一入口，而是复杂任务的调度中心。

单一任务可以直接路由给对应 Agent；复杂任务才交给它拆解。

---

5. 测试文件要体现角色差异

如果 5 个 Agent 的测试结果都长得差不多，就说明角色区分失败。

每个 Agent 都应该有自己的专业痕迹：

data-analyst：图表、指标、数据局限
market-researcher：受众、竞品、可信度
content-creator：平台内容、CTA、语气
creative-designer：视觉主张、配色、版式
campaign-strategist：目标、指标、任务拆解、风险假设

---

结语

Agent 模块是这个作业从“单点 AI 能力”走向“AI 团队协作”的关键。

5 个 Skill 解决的是：

AI 会什么

5 个 Agent 解决的是：

谁来做
怎么做
和谁协作
输出给谁

最终形成的团队结构是：

data-analyst：数据支撑
market-researcher：市场判断
content-creator：内容生产
creative-designer：视觉表达
campaign-strategist：策略调度

这套 Agent 设计让乌东村 AI 智能客服与推荐系统不只是一个问答工具，而是一个能完成市场研究、内容创作、视觉设计、数据分析和策略规划的小型 AI 工作团队。

下一篇文章，我会复盘最后一个部分：多 Agent 协作如何完成一份完整的乌东村 AI 智能客服推广方案，以及最终作业如何整理和提交。