当AI不再只是一个「聊天机器人」
而能够理解规则、调用工具、执行任务
甚至与其他智能体协同工作时
我们的学习和工作方式
又将发生怎样的变化？
讲座概况
2026年9月22日，复旦大学工程师、复旦大学博士张天戈老师受邀以「从简单聊天到智能体协作：大学生如何重构学习与工作流」为题开展主题讲座。讲座围绕大语言模型、AI智能体、规则与记忆、Skill、权限安全与工作流重构等内容展开，带领同学们从日常使用AI的「简单问答」出发，一步步走向更复杂、更系统的智能体协作。
值得一提的是，这场讲座本身也见证了AI技术惊人的迭代速度。讲座原计划于上学期六月举行，由于时间安排将讲座调整到了本学期。而就在这短短几个月里，一些年初还备受关注的技术和工具已经逐渐淡出讨论。AI领域正在以极快的速度变化，今天的新工具，半年后或许就需要重新认识。
工具会变，但如何理解和驾驭工具
却是长期的能力。
讲座回顾
从「问一句，答一句」开始：
AI正在走向智能体
2022年ChatGPT出现时，大语言模型最直观的使用方式还是问答：人提出问题，AI给出回答。但当我们面对的任务越来越复杂，仅仅依靠一次提问已经远远不够。完成一个真正复杂的任务，往往需要AI理解项目背景、遵守既定规则、记住上下文、调用不同工具，并按照一定流程持续执行任务。于是，AI的角色开始从单纯的「对话者」，逐渐转变为能够参与实际工作的智能体（Agent）。
讲座由此提出了一条贯穿始终的主线：我们正在尝试用AI解决越来越复杂的问题，但问题越复杂，人越不能退出其中。即使今天已经有研究者尝试让智能体一次性完成完整任务，现阶段的AI依然需要人在关键环节进行检查、判断和修正。所以，AI可以执行，人必须把关。
想让AI「听话」
先学会管理规则与记忆
为什么同一个AI，在不同项目中的表现可能完全不同？除了模型本身，影响智能体行为的一个重要因素，就是我们为它建立的规则与记忆体系。讲座中介绍，规则可以按照作用范围进行分级管理。例如，全局规则可以跨项目长期生效；而项目级规则则只服务于某个具体任务，用来规定项目内部的工作方式和行为边界。比如，「不要一味夸奖，而要直接指出问题」可以成为一条长期生效的全局规则；而某个软件项目的目录结构、代码规范和操作流程，则更适合写入项目规则。
但规则并不是「一次写好，永久有效」。随着项目推进，文件目录可能调整，工作流程可能变化，过去的规则也可能失效；AI形成的记忆同样可能存在错误，需要不断检查和修正。因此，真正高效地使用智能体，并不是写下一段「神奇提示词」之后就放任它工作，而是要：建立规则→执行任务→检查结果→修正规则与记忆→再次执行。当任务越来越复杂时，有条理地管理规则与记忆，就成为了对人的更高要求。
从重复操作到Skill：
把经验变成可复用的工作流
讲座进一步介绍了Skill的概念：当一套任务流程经过反复验证、已经足够成熟时，就可以将它固化下来，形成一个可以重复调用的能力单元。这意味着，我们与AI的协作方式正在发生变化。过去，我们可能不断告诉AI：「先做第一步，再做第二步，然后检查第三步……」而未来，更高效的方式可能是将成熟流程直接交给智能体执行，人只需要关注输入、关键节点和最终结果。从Prompt到规则，从规则到Skill，再从单个Skill走向完整工作流——AI正在逐渐成为学习与工作的基础设施。对于大学生而言，这种变化同样值得关注：资料整理、代码开发、信息分析乃至科研辅助，都可能逐渐从「一个问题一个问题地问AI」，转变为设计一套能够持续运行的人机协作流程。
能做得更多
也意味着必须管得更严
当AI只能回答问题时，一次错误回答的影响可能十分有限。但当智能体拥有读取文件、修改代码、调用工具乃至访问网络的能力后，问题就完全不同了。能力越强，权限管理越重要。讲座以WorkBuddy为例介绍了不同等级的权限机制：智能体可以被限制在特定工作空间中运行，当操作超出允许范围时，需要再次获得用户批准；对于更加敏感的操作，也可以设置为必须询问甚至完全禁止。
然而，老师也特别提醒大家：「围栏」并不意味着绝对安全。现实中已经出现智能体绕过限制、产生非预期操作的案例。因此，在真正重要的系统中，我们不能因为AI「看起来很聪明」，就把所有权限全部交给它。讲座现场，讲者也通过实际操作展示了自己的安全习惯——在演示前主动关闭相关网络权限，避免AI在未经确认的情况下访问外部网络。安全没有一套适用于所有人的固定答案。真正重要的是根据任务风险，明确：AI能做什么、不能做什么，以及什么时候必须由人确认。
版本管理：
给AI留下一条「后悔的路」
如果AI真的改错了怎么办？讲座给出的一个重要答案是：版本管理。尤其在软件开发中，不能因为使用了AI就忽略Git等传统工程工具。相反，当智能体能够快速、大规模地修改文件时，版本管理反而变得更加重要。重要代码不仅要在本地留下提交记录，也应做好远程备份。这样，即使智能体误删文件、错误修改代码，或者执行了意料之外的操作，我们仍然能够快速恢复。这也揭示了AI时代一个容易被忽视的事实：AI并没有让传统的软件工程规范失去意义，而是让这些规范变得更加重要。会使用AI，不只是会「让AI帮我写代码」，更要知道如何审查它、限制它，以及在它犯错之后恢复系统。
从「使用AI」
走向「设计人与AI的协作方式」
整场讲座中，有一个观点始终贯穿其中：人始终应该参与AI工作的关键环节。智能体的能力还会继续增强，今天需要我们一步一步指导的任务，未来也许只需要一句话就能完成。但这并不意味着人的价值会因此消失。恰恰相反，当AI承担越来越多执行工作后，我们需要把更多注意力放在目标设定、规则制定、结果判断、风险控制和流程设计上。对于大学生来说，真正值得培养的，也许不只是「会不会使用某一个AI工具」，而是能否逐渐建立属于自己的AI工作流：让AI帮助我们处理重复工作，让规则约束AI的行为，让Skill沉淀成熟的方法，让版本管理和权限控制守住安全边界，同时始终保留人的判断与责任。
结语
从最初的聊天机器人，到今天能够调用工具、执行任务、协同工作的智能体，AI与我们的关系正在迅速改变。具体的工具也许很快就会更新，今天流行的技术半年后甚至可能已经不再新鲜。但在快速变化的技术浪潮背后，一些更加基础的问题不会消失：如何把一个复杂问题拆解清楚？如何为AI建立可靠的规则？如何把重复经验沉淀成工作流？又如何在人与AI之间划定合理的权限与责任边界？从「我该怎么问AI」，到「我该如何组织AI完成任务」，或许正是我们从简单聊天走向智能体时代最重要的一步。工具一直在变，而学会与工具协作的人，才能真正把变化转化为能力。
供稿：学术文化部
文案：谢慧璿
摄影：张翠芸
制图：丁佳聪
排版：陈一鸣
审核：许慧楠、李曼
