AI代理与自动化：RAG、工作流与实战指南

你搭好了 RAG，但检索质量却平平——这正是重排序能派上用场的时候。重排序把嵌入（向量）检索粗略收集到的候选，按它们与查询的相关度重新打分并重新排序，只保留最前面的那些；仅这一步就能大幅改变 RAG 系统的回答质量。本初学者指南讲解重排序是什么（以“初筛加终面”作比），为什么需要它（嵌入检索把查询和文档分开向量化，因此只能粗略判断相关度，而糟糕的排序会直接拉低回答质量——研究表明重排序能显著提升检索准确率，把它叠加到混合检索上已是 2026 年的标准做法），两阶段检索如何运作（先用快速嵌入检索“广撒网”求召回，再用重排序器“智能筛”求精度，然后把最前面的交给 LLM），为什么重排序器更准确（bi-encoder 把查询和文档各自向量化，快但近似；cross-encoder 把两者一起喂入并输出 0–1 的相关度分数，准确但开销大——所以用快速的 bi-encoder 收集，用准确的 cross-encoder 筛选），以及模型与实现（API 型如 Cohere Rerank、Voyage、Jina；开源型如 BGE reranker、mixedbread、FlashRank；以及基于 LLM 的打分如 RankLLM——只需检索 50–100 个再筛到前 5 个）。原则就是：广撒网、智能筛，并用 AI 评测来调整数量。

当你能够构建 AI 应用之后，下一阶段就是安全地运行它们。LLM 可能被恶意输入欺骗、泄露机密数据，或一本正经地胡说八道；防止这一切的安全机制就是 AI 护栏。随着 AI 智能体事故在 2026 年真实发生，护栏已成为生产环境运行不可或缺的一部分。护栏是拦住危险输入和不希望出现的输出的规则与过滤器，在用户输入到达 LLM 之前、以及回答返回之前都进行检查——这是独立于模型自身之外的安全层。主要威胁包括提示注入（最大的威胁）、越狱、数据泄露（机密数据、PII、系统提示），以及幻觉或有害输出。防护在两层进行：输入护栏（检测注入和越狱、检测/屏蔽 PII、限制话题、净化）与输出护栏（过滤有害内容、防止泄露、检查幻觉、验证格式）。提示注入在 OWASP LLM Top 10 中被列为最严重的一项，分为直接（用户输入“忽略之前的所有指令”）和间接（命令藏在网页或 RAG 文档中）两种形式；间接注入仅靠 RAG 挡不住，因此检索到的文档需要单独检查。本初学者指南还介绍了工具（LLM Guard、Guardrails AI、NeMo Guardrails、Llama Guard，以及 Azure、AWS、OpenAI 的云端安全功能），以及纵深防御、最小权限、人工审批和持续监控等实践原则。

RAG、语义搜索和推荐系统，背后都靠一个无名功臣：嵌入（向量）。嵌入就是把文本（或图像）的意义转换成一串数字，即向量。“狗”这个词会变成数百到数千个数字组成的列表，充当“意义的坐标”，于是意义接近的词语彼此靠近（“狗”和“小狗”很近，“狗”和“汽车”很远），其接近度可用余弦相似度等指标量化。著名的例子是“国王 − 男人 + 女人 ≈ 女王”。正因如此，即使字面不一致，机器也能判断意义是否接近。本入门指南讲解什么是嵌入（一张“意义的地图”）、为什么接近度能衡量意义（维度与余弦相似度）、能用来做什么（RAG、语义搜索、分类与去重、推荐及多模态）、如何选择嵌入模型（API 型如 OpenAI text-embedding-3、Cohere、Gemini、Voyage；开源型如 BGE-M3、Nomic、Qwen3；以及 Matryoshka，让部分新模型可事后缩减维度，例如把 OpenAI 的 3,072 维降到 1,024 维，以少许精度换取约三分之一的存储量），以及向量数据库（Pinecone、Weaviate、Qdrant、Chroma、pgvector）和三步上手法（选模型、把文档向量化并存储、把问题向量化并检索）。嵌入是实现 RAG 的根基。

你打磨了提示词，用 RAG 补充了知识，或许还做了微调——那么如何确认它真的变好了？这时 AI evals 登场，到了 2026 年，评估已不可或缺，人们甚至称它为“基础设施”。AI evals 就是系统化地衡量 LLM 输出的质量（准确性、幻觉、格式遵循、语气），用固定的尺子而非凭感觉来打分；没有它，改进就只是直觉。评估有两种方法：可机械衡量的项目用代码评估（完全匹配、格式、必需词/禁用词——快、便宜、稳定），主观项目用 LLM-as-judge（用强大的 LLM 当裁判，通过成对比较或单输出评分给输出打分）。原则是：凡是代码能衡量的就用代码衡量。LLM-as-judge 有冗长、位置和自我偏好三种偏见；应对方法是用不同系列的模型当评分者、交换顺序打两次分、把简洁性写进评分量规，以及用人工判断来校准。粗粒度刻度（pass/fail 或 1–3）往往比细粒度的 1–10 更受推荐。实践中要跑三个层级——每次改动的即时代码检查、每晚的 LLM-as-judge 回归测试，以及持续的生产监控——CI 可用 DeepEval、Promptfoo、RAGAS，监控可用 Braintrust、LangSmith、Arize。先从收集 10 个好输出和 10 个坏输出并给它们打分开始。

在 AI 代写代码的时代，更具价值的技能正从“写代码”转向“写规格”，而象征这一趋势的实践正是规格驱动开发（SDD）。SDD 把规格当作项目的中心文档与“正本”，由 AI 智能体据此推导设计、拆解与实现，而非一上来就写代码；其关键在于每一步都留下一份文档（多为 Markdown）供下一步读取。本篇初学者指南讲解：SDD 是什么（规格为正本，代码是派生物）；为何现在需要它（它在设计阶段就防止 vibe coding 那道由技术债与需求漂移构成的“三个月之墙”）；基本的四个步骤（Specify → Plan → Tasks → Implement）；主要工具（拥有 14 万以上星标、支持 30 多种智能体的 GitHub Spec Kit，走 Requirements → Design → Tasks 流程并配备 Auto 路由器的 AWS Kiro，以及 BMAD、OpenSpec、Tessl、Google Antigravity 与 Cursor）；如何与 vibe coding 搭配取舍（混合方式：探索用 vibe，交付用规格驱动，且人工审查必不可少）；以及如何从今天开始尝试。在 AI 时代，脱颖而出的不是写代码最快的人，而是能精确定义要做什么的人。

用好 AI 的技术重心，正在从提示词工程转向上下文工程。借用 Anthropic 的定义，上下文工程是“在推理过程中，对交给模型的最优 tokens（信息）集合进行筛选与维护的一整套策略”——它涵盖的不只是提示词，而是上下文窗口里的一切：系统提示词、工具、对话历史以及外部数据。它之所以重要，是因为存在“context rot（上下文腐化）”：你加入的 tokens 越多，准确率反而越下降。Chroma 在 2025 年测试了 18 个主流模型（GPT、Claude、Gemini 等），结果无一例外都随输入变长而退化，长上下文中间位置的信息尤其容易被忽略（lost in the middle）。这篇面向初学者的指南讲解了什么是上下文工程、它与提示词工程的关系、context rot 为何发生（注意力是一笔有限的预算）、上下文里到底装了什么、六大核心技巧（合适高度的指令、精选工具、即时检索、压缩/摘要压缩、外部记忆笔记，以及子智能体隔离）、它与 RAG 和 Claude Skills 的关系，还有今天就能用上的习惯，例如话题变了就开新会话、只粘贴要点。核心理念是：只保留最精简、信号最强的 tokens。

一篇面向初学者的 Claude Skills（Agent Skills）入门指南——这套机制让你彻底告别反复向 Claude 解释同样步骤的麻烦。技能把指令、脚本和参考资料打包进一个文件夹，核心是一份记录着 name、description 和操作步骤的 SKILL.md 文件。大多数时候 Claude 只读取每个技能的简短说明，只有当你的请求与之匹配时才展开正文——这种设计被称为渐进式披露，即便装了几十个技能也能让上下文保持轻量。本文涵盖：Skills 是什么、为何重要（不必再粘贴提示词）、如何编写 SKILL.md 与最小文件夹结构、如何动手制作（用官方 skill-creator 或手动搭建，放进 .claude/skills，2026 年 1 月起改动可即时生效）、Skills 与 MCP（连通性）和子智能体（上下文隔离）的区别，以及这套开放标准如何在 Claude 应用、Claude Code、API 和 Agent SDK 之外，被 Codex CLI、Cursor、Gemini CLI 和 GitHub Copilot 采纳，还有文档生成、落实内部规范等具体用途。该功能由 Anthropic 于 2025 年 10 月 16 日发布，被 Simon Willison 称为“也许比 MCP 更重要”。

“我让 AI 帮忙，它就打开浏览器自己查资料，连表单都帮我填好了。”在 2026 年，这已不再是演示桥段：ChatGPT Atlas、Claude in Chrome、Gemini/Chrome、Perplexity Comet 等智能体型浏览器集中涌现。那么它们到底能自动化到什么程度？现实清晰地分成三个层级。（1）调研=已实用：在测试真实网站的 WebVoyager 上头部智能体达到 89-98%，近乎饱和，且出错代价小，应从这里开始放手交托。（2）填表单=能做但要核对：输入本身各家都支持，但可能填错字段或按错提交，因此“AI 起草、人来发送”才安全，ChatGPT 智能体模式等许多产品会在重要操作前请求确认。（3）预订/支付=仍需自己来：智能体会栽在 CAPTCHA、复杂 JavaScript 结账、双因素认证与会话管理上，在 WebArena 上即便公开的最好成绩也只是略高于 70%，低于人类约 78% 的基准。文章先梳理两种方式（面向消费者的浏览器/扩展，对面向开发者的 API/OSS），再盘点 2026 年的玩家（专用浏览器 Atlas 已于 2026/8/9 停止服务，功能转入 ChatGPT 桌面应用与 Chrome 扩展；Claude in Chrome 为扩展侧边栏；Google 的 Project Mariner 于 2026/5/4 并入 Gemini/Chrome；Operator 转入 ChatGPT Agent 与 Agents SDK；开源 browser-use 已超 110k 星标），解释让预订失败的四道墙，并深入剖析最大陷阱——间接提示词注入（Comet 曾被证实存在零点击窃取凭据的漏洞并于 2026 年 2 月修复，攻击成功率从防御前 23.6% 降到基础防御约 11%、最强防御约 1%，但仍非零），最后给出五条安全原则。它是出色的调研搭档，但涉及金钱的操作还是自己来。文中数值引自公开资料与公告，仅作趋势参考。

“AI智能体确实很厉害，但我究竟能拿它来做什么？”这是每个人了解基础后立刻碰到的问题。进入2026年，答案不再是未来的事：在客户支持、销售、财务、开发、人力资源等各职能中，智能体已开始真正接手日常工作，一项调查报告显示65%的企业已将某些工作流程自动化。本文跳过抽象论述，给出按职能划分的10个具体应用案例，配真实例子与数据。内容涵盖为何应用案例如今重要（智能体不只回答更会行动，从实验走向生产；Gartner预测到2028年三分之一企业软件将内置智能体功能、到2029年80%支持咨询将在极少人工下解决）、如何识别可自动化的工作（高度重复×大批量×需要判断，判断正是与旧式RPA的区别；重大决策保留给人类，以智能体准备、人类审批为原则）、10个案例（客户支持、销售获客与个性化邮件、市场营销SEO与邮件、软件开发的代码生成与审查、IT运维故障检测诊断自动恢复、财务跨ERP计算KPI与带批注PDF报表、实时金融欺诈检测、AMD人力资源解决时间下降80%、调研与数据分析成报告、供应链控制塔），以及投资回报的真实情况（3年3.5x、3–14个月回本、30–60%成本削减，但仅23%规模化，落地是难点）和如何安全起步（选定一项任务、小规模试做、人类审批、衡量并扩展）配最小权限与逐次审批的安全做法。数据引用自调查与企业公告，仅作趋势参考。透过重复、批量、判断重新审视你的工作，从最棘手的任务迈出小小一步。

系统开发的“需求→设计→实现→测试→部署→运维”六个阶段，二十多年来几乎没有变化，而在 2025–2026 年已被从根本上改写。Gartner 预测，到 2028 年，90% 的企业软件工程师将使用 AI 编码助手。本文以 2026 年 5 月的事实为基础，梳理各阶段时间比重的变化、主要工具、Lightrun 2026 指出的 43% AI 生成变更需生产环境调试等质量问题、方法论的演进、七种职业的角色转型，以及 AI 主导开发的三大陷阱与应对方式。

在 2025 年，有一个岗位的招聘发布数量出现了惊人的同比增长 1,165%：那就是 FDE——Forward Deployed Engineer（前线部署工程师）。为什么一个 Palantir 历经约 20 年体系化的、默默无闻的岗位，会在 2026 年突然成为“最热门的头衔”？FDE 是“把自己公司的产品带进客户现场，并亲自端到端负责观察、设计、实现、运营与产品反馈的工程师”。生成式 AI 带有一段“演示能用、但在现场不灵”的最后一公里，而 FDE 正是用人手来打通它的岗位。本文将结合 2026 年 10 月的数据，介绍其定义、为何这一岗位在 2026 年爆发（OpenAI、Anthropic 和 Google 的招聘热潮）、5 阶段工作循环、薪酬与职业（Palantir 中位数 27.8 万美元，报告的最高值 62 万美元）、与 SE / IT 咨询顾问 / Applied AI Engineer 的区别、谁适合谁不适合，以及如何从零经验走上这条路。

Vercel MCP、Vercel Plugin 和 Agent Skills 名字相近，却是三样东西。MCP 是通过 OAuth 连接的远程服务器，把部署、日志和环境变量作为“工具”提供；Plugin 是加上 /vercel-plugin:deploy 等 5 个命令和 Vercel 知识的扩展；Skills 则是操作说明。本文在 2026 年 9 月 30 日重新阅读官方文档后，先给出区分 Git 集成、CLI、MCP、Plugin 和 Skills 的对照表（能做什么、如何认证、套餐条件），再配合实际配置讲解三种方案：①Git 集成（git push 自动部署）、②直接在编辑器里操作（MCP 与 Plugin）、③GitHub Actions（@claude 修改，测试与审批关卡）。还涵盖如何避免 Actions 重复部署、Hobby 每天 100 次部署的上限、密码保护的套餐条件、回滚以及生产的人工审批。