大家好，我是Matt Rigon，Range的财务规划师。我想向大家展示我们的财务规划师是如何编写我们日常使用的智能体的，而且作为财务规划师，我们都不写代码。这是我们的构建指南，一步步展示我们是如何做到的，以便你们可以将其带回自己的团队或公司。简单介绍一下我自己，因为这会影响大家听这场演讲的方式：我不是工程师，我是持牌财务规划师，日常工作是与客户讨论现金流、税务、保险、退休和遗产等问题。我还负责Range（一家综合财富管理公司）规划团队的AI应用推广。大多数关于智能体的演讲来自平台构建者，而这场演讲来自将平台交给用户的人——也就是我们。

我们在受监管的行业工作，输出的是给真实客户的财务建议，且审核步骤不可或缺。因此，这不是厂商推销，而是我们实际有效的方法论。起初我们也像所有人一样从聊天机器人开始：我写客户消息，粘贴进去让AI改写得更清晰或友好。这确实有用，节省了一些时间，但我仍手动完成所有工作，只是速度稍快而已。真正的转变发生在后来：规划师的瓶颈从来不是打字速度，而是无法分身。如果在与客户通话，我就不能同时为其他人做规划。写得快解决不了这个问题，能解决问题的是在我忙碌时自动完成的工作。

现在的一天是这样的：我与一位客户通话的同时，智能体正在为另一位客户起草完整的现金流或保险分析。通话结束后，我打开草稿进行全面审核、调整必要部分，然后发送给客户建议。必须明确的是：智能体从不直接发送任何内容给客户端；每位规划师必须在客户看到之前审核每一条建议。改变的是，第一版草稿不再需要我坐在电脑前盯着它完成。做到这一点远不止靠一个好的提示词，关键在于两点：智能体必须在“工作发生的地方”运行，而不是在需要复制粘贴的独立聊天窗口中；它必须了解我们公司的具体做法，而不仅仅是通用的财务规划知识。

所谓“技能”，就是我们公司完成特定工作的标准化方式：我们看什么、标记什么、如何表述具体建议。这是将工作流程写下来，让智能体可以遵循的规范。本次演讲的核心是如何构建一个技能：五个步骤——选择、教学、打包、测试和发布。这些都不需要写代码，但都需要对工作内容有深刻理解，这也正是由实际工作者来构建的原因。第一步：选择一个你重复执行的流程。不要一开始就选最复杂或耗时最长的，而应选那些每周都发生、你清楚什么是“好结果”且能一眼识别错误草稿的流程。

对于Range来说，这意味着现金流分析和保险审查等需要大量手动工作的流程。如果你无法快速判断输出质量，就无法测试它，也无法信任它。因此要寻找两个特征：频率高且你能判断好坏。第二步：展示几个真实案例。选取以前交付的实际客户案例，从头到尾演示工作过程，并大声叙述你的判断逻辑：不只是“下一步做什么”，而是解释为什么打开某个文件、你在看什么、什么情况会让你停下来提问。这种叙述至关重要，因为步骤容易写下来，但判断力才是体现公司特色而非通用建议的关键。

第三步：将其打包成技能。技能不仅仅是一系列步骤清单，最重要的是两点：它必须在开始前问哪些问题（需要知道什么？应该向我确认而非猜测什么？）以及必须遵守的限制（它绝不自作主张做什么）。在我们的领域，最大的限制是绝不直接向客户发送内容；它只负责起草，由规划师决定是否需要调整或发出。如果只写步骤，它会自行运行但不可控；如果写出问题和限制，你就能获得可信任的工具。将技能视为食谱：一旦智能体学会了这个技能，它就会按指令重复你的流程。

第四步：在任何人看到之前，用真实案例运行5到10次。这是大家最想跳过的步骤，但每次运行都能教会智能体它还不知道的东西：边缘情况、本应提出的问题或看似自信实则错误的地方。你需要修复问题，保存技能并反复运行。5到10次听起来很多，但比起把半成品交给团队中十几甚至上百人后再去收拾残局，这要省力得多。第五步：发布时指定负责人和审核人。负责人负责保持技能更新，因为流程、税务规则会变，三月正确的建议十二月可能错误；审核人必须在团队依赖前检查技能，且不能是作者本人。就像规划书一样，你不应该给自己打分。一旦他人依赖某项技能，就必须有人为此负责。

这就是“聪明的个人捷径”与“团队可构建的基础”之间的区别。目前六个月过去了，公司内有24个技能，其中17个属于规划部门。出乎意料的是，这一做法自发蔓延至销售、产品和营销团队，无需强制命令。没人发备忘录，大家看到规划师的做法后开始自行构建智能体。这些技能均由规划师、营销人员和销售人员编写和维护，而非开发人员或工程师。一旦领域专家为自己所在的细分领域构建技能，情况发生了变化：技能变得更加具体。例如，最懂保险的人编写保险技能，最精通税法的人编写税务技能，审核也变得自然而然。我们本来就互相审查规划书，这顺理成章地延伸到了智能体技能的审核上。

规划是如何运作的？现在，我们以同样的方式互相审查彼此的技能。这是一种相同的习惯，只是需要审核的新内容罢了。那么，为什么这在当下至关重要？因为瓶颈已经发生了转移。模型能否起草现金流分析这一问题早已尘埃落定——它可以做到。真正尚未确定的问题是什么？是谁记录下贵公司执行这些任务的具体方式？谁在发布前对其进行测试？当其他十五个人开始依赖它时，又是谁来拥有并负责这项技能？

如果你正被要求将智能体（Agents）的应用范围扩展到工程部门之外，你即将面对这些确切的问题。目前关于这方面的实际数据还不多见，但这就是我们在 Range 公司所采用的方法。好了，以上就是全部内容。非常感谢大家聆听这场演讲。我是来自 Range 的 Matt Rigon，欢迎通过 mattrange.com 联系我。祝大家度过美好的一天。