FDE智能体开发流程及难点突破

你是否曾思考过：

智能体已经渗透到主流AI应用中，但为什么做出来的东西总是“差一口气”？智能体开发不只是写代码，而是跨越技术、产品与工程的综合挑战，难在哪里、怎么突破？大模型每次准确率95%看起来不错，但6轮任务之后会掉到什么程度，你算过吗？如果这些问题让你感到困惑，这门课正是为你设计的。智能体正在淘汰旧岗位、产生新岗位，已经让大量客服、美工、编辑、文案下岗，同时诞生了AI算法工程师、提示词工程师、AI训练师、AI文案师、AI美工、AI视频编辑、AI广告投放工程师等新岗位。智能体开发不只是写代码，而是跨越技术、产品与工程的综合挑战。本课程由三产节课吕森林老师主讲，围绕智能体开发流程及六大难点，系统讲解从概念到落地的完整方法与突破思路。

本课程围绕智能体的定义与功能、智能体开发存在的难点、工作流与SKILL相关知识、人在回路是必要设计四大模块展开：

智能体已渗透到主流AI应用

智能体已经渗透到每个AI用户中。通过豆包工作和腾讯WorkBuddy等主流应用的对比，帮助学员理解智能体的实际落地形态。智能体爆发的原因在于大模型智能增强及AI编程技术的成熟。智能体属于人工智能的第三级（L3级），代表用户执行任务，比如自动完成复杂的工作流程。从L1人机对话到L5组织者，智能体正处于从“会聊天”到“会干活”的关键跨越。

智能体的定义及功能

智能体是基于人工智能技术构建的自主实体，能够感知环境、理解信息、进行决策并采取行动，以实现特定目标。智能体等于感知加思考加决策加行动。其基本功能包括感知与信息获取、理解与知识处理、决策与规划、行动与执行、学习与自我优化。智能体通常由核心模型（大脑）、知识库、工具与技能、环境与接口等核心部分组成，多模块协同、数据驱动、持续进化。

智能体开发存在的难点

本模块系统拆解智能体开发的核心难点。难点一：大模型的概率模型本质决定了任务多轮处理后的准确率下降，每次完成任务后准确率为上一次的95%，经过6次后准确率会从95%降至约73.51%。难点二：智能体的微小错误在放大时会呈现指数级爆炸效应，1处微小错误被放大成百上千处，修正工作量成倍增加。难点三到难点六包括复杂的任务规划与决策、工具调用与外部环境集成、长期记忆与上下文管理、可靠性与安全性、多智能体协同与复杂交互、工程化与落地应用。智能体开发不只是写代码，而是跨越技术、产品与工程的综合挑战，因此才滋生了FDE工程师的需求。

工作流与SKILL相关知识

系统梳理智能体与提示词、工作流、SKILL、大模型之间的关系。提示词为智能体提供任务指令，智能体理解目标、规划任务、编排资源并调用SKILL和工作流，工作流组织多个步骤和组件完成复杂任务，SKILL封装特定能力供智能体调用，大模型提供通用的理解、推理和生成能力。工作流的任务拆解与组装包括六个步骤：拆解目标任务、形成任务清单、转换为工作流、实现节点连接、工作流的测试、工作流的发布。工作流开发面临流程复杂多变、需求频繁变更、技术门槛较高、系统集成与兼容性、运维与稳定性五大挑战。同时讲解SKILL的标准化、高效、通用特性，以及SKILL与工作流之间“能力单元”与“任务编排”的区别与联系。早期工作流已被SKILL取代，SKILL成为新时代的AI应用基础设施。复杂工作流的设计策略包括分支与循环策略、并行与串行策略、多类型复合策略、工作流复用策略。

人在回路是必要设计

绝大部分智能体仍离不开人机协作。人在回路是必要设计，不是技术不成熟的权宜之计，而是智能体落地的基本前提。本模块帮助学员理解为什么人在回路是智能体系统的必要组成部分，以及如何在实际开发中设计有效的人机协作机制。

讲师背景

吕森林老师，三节课FDE课程体系主讲。长期深耕AI落地与智能体开发实践，对智能体的开发流程、核心难点与工程化落地有系统的研究与实践经验。

通过本课程，学员将：

• 理解智能体的定义、功能与构成——掌握智能体的五大基本功能和四大核心组成部分，建立对智能体的系统认知；

• 识别智能体开发的核心难点——理解大模型概率本质带来的准确率下降、微小错误的指数级放大效应，以及任务规划、工具调用、长期记忆、可靠性安全、多智能体协同、工程化落地等六大挑战；

• 掌握工作流与SKILL的核心知识——理解智能体、工作流、SKILL、大模型之间的调用关系，掌握工作流开发的六个步骤和四大设计策略；

• 建立人在回路的必要设计思维——理解为什么绝大部分智能体离不开人机协作，以及如何在实际开发中设计有效的人机协作机制；

• 具备智能体开发的系统方法论——从概念认知到难点突破，从工作流设计到SKILL应用，形成完整的智能体开发能力框架。