第6课 AI 怎样帮你办事情

大家好，欢迎来到 AI 生活课第六课，AI 怎样帮你办事情。前面我们见过 AI 写文字、整理资料，今天把问题再往前推一步：如果要查天气、读日历、处理一份报销材料，光在聊天框里写出一段回答，事情就完成了吗？还没有。文字建议与实际操作之间，需要一些连接和安排。我们会借助点餐窗口、报销流程和出行助手，把这条路拆开。今天不学习安装软件，也不需要编程。你只要能判断它有没有拿到真实结果、有没有越过你允许的范围，就已经能更清楚地使用这些功能。

这一课有两组目标。第一组是 API、工具调用和工作流，分别回答软件怎么提供功能、AI 怎么请求使用功能、多个步骤怎么排起来。第二组是智能体、MCP 和技能，分别帮助我们理解谁选择下一步、工具与资料怎样连接、做事时参考什么指导。先不用背英文，接下来每个词都有一个生活例子。听的时候可以一直问三个问题：它负责哪一段，谁真正执行，完成后有什么可以检查的结果。这些词可能出现在同一个产品介绍里，但不是同一种东西，也不会因为名字多，办事能力就自动更强。我们先从最熟悉的点餐开始。

想象你在餐厅点餐，菜单写着能点什么，你告诉服务员菜名、数量，可能还要说明是否少辣。服务员把要求交给厨房，再把菜送回来。你不需要知道炉灶怎么工作，但不能只说一句随便弄点好吃的，就期待每项要求都准确实现。这个例子里，菜名和数量是输入，厨房做菜是处理，端回来的菜是结果。哪一步依赖前面的信息？厨房要先收到完整订单，才知道做什么。如果菜名不在菜单里，或者数量没有写清，就需要补充，而不是擅自猜测。我们借这个窗口来理解软件之间的接口，下一页再给它一个正式名字。

这个名字就是 API，中文常说应用程序接口。它是软件之间按约定访问数据或调用功能的接口。约定里会说明可以请求什么，需要交哪些信息，结果以什么形式返回。比如查天气，可能需要城市和日期，服务处理后返回天气信息。另一个软件便能继续展示或使用这些信息。注意，API 早在生成式 AI 流行之前就在使用，并不是 AI 专属技术，也不等于屏幕上一个按钮。拿到菜单，不代表厨房免费为你服务；同样，看到接口说明，也不代表已经获得访问权限。能查什么、调用是否收费，要看具体服务。小检查：查明天的天气只交城市够不够？未必，还要明确日期，避免把今天的结果当成明天。

现在安排一次周末聚餐。你先联系餐厅，问周六晚上六点有没有四个人的位置，收到餐厅回复后，再决定时间。这里重要的是询问了实际提供信息的一方，而不是凭过去的印象说肯定有座位。输入包括日期、时段和人数，返回结果可能是有空位，也可能是只能安排别的时间。下一步要依据这个结果改变。再区分两个动作：询问空位和确认预订。前者取得信息，后者可能占用座位、留下联系方式，后果不同。请人查一查，并不自然包含替你订下来。AI 使用外部能力时，我们也要把这两步分清，这就来到工具调用。

工具调用，是 AI 系统请求外部工具获取信息或执行操作的过程。通常模型提出用哪个工具、交什么信息，应用负责实际执行，再把结果交回来，让模型继续处理。工具可以查天气、计算数字、读取文件，也可以在授权范围内执行操作。API 是连接软件的一种接口，工具调用则描述一次请求、执行和返回的过程。请记住，模型说我已经发送，并不是发送成功的凭证，要看执行结果，还要分清成功、失败和状态未知。比如没有联网工具，只生成一段今天晴天的文字，不能叫查询了实时天气。日常检查时可以看查询来源、结果时间和操作状态；失败时也不要马上重复发送，以免第一次其实已经成功。

再看报销。通常先填单，上传凭证，检查材料，再审核，最后才进入付款环节。前一步给后一步准备输入，缺少凭证，就应回到补材料的分支。这里的关键是步骤和条件已经事先安排好了。假设单据金额与申请金额不一致，流程可以规定先退回核对，不能因为表格填完了就直接付款。我们也可以把会议记录整理成类似过程：录音转成文字，核对人名与数字，形成纪要，再由负责人审核。转写工具提供了文字，不代表纪要可以越过审核。把每一步的完成条件写清楚，比只说自动帮我做完更容易发现问题。这样的安排，叫作工作流。

工作流，是按照预先定义的步骤与条件组织任务执行的流程。它可以包含 AI，也可以完全不用 AI。比如按固定规则汇总表格，也是一种自动化，并不能因此判断它使用了人工智能。屏幕上从收到材料，到按规则处理，再到输出结果或进入分支，说的就是这种安排。固定也不等于永远正确。材料格式变了，某一步超时，或者上一环节给出不完整结果，都可能影响后面。继续用会议纪要做检查：转写完成以后，适合由谁核对参会者姓名？有现场知识的人。生成纪要之后，行动事项由谁确认？相应负责人。好的工作流不仅规定顺利时怎么走，还规定缺材料、失败或需要人工判断时停在哪里。

现在看另一种安排。你请助手为周末出行提出方案，给出出发地点、大致预算和回家时间。助手先查天气，发现可能下雨，于是把户外活动换成室内活动，再比较交通，最后把建议交给你。这里的下一步并不只是照着固定清单往下走，而是会根据刚收到的信息选择。天气变化会影响目的地，目的地又影响交通。但是，会选步骤不代表可以替你决定一切。我们可以把目标说成比较两个方案，列出理由；同时说明只做查询和建议，不预订、不付款。这样既留出解决问题的空间，也让边界明确。下一页我们把这种系统叫作智能体。

智能体，英文是 AI Agent，是能够围绕目标选择行动、使用工具，并根据结果继续处理的 AI 系统。它会依据目标和当前信息选一步，观察结果，再决定继续、调整，还是结束。实际能做什么，取决于应用提供了哪些工具、授予哪些权限，以及任务的约束。它和工作流并非永远分开，一个应用也可以把固定步骤与动态选择结合起来。需要警惕的是，智能体不天然可靠，也不能获得无限自主权。出行任务可以限定预算、时间、可读取的资料，以及哪些操作必须确认。如果查不到车次，应报告缺少信息，而不是编出一班车完成任务。使用时除了问能做什么，还要问遇到什么情况必须停下来，把决定交还给你。

接下来是连接问题。假如家里每种设备都用不同接口，换一个设备，就要重新找适配方式。统一接口的价值，是减少重复适配。这个比喻帮助理解 MCP 为什么会出现，但它不是在给电脑增加一个真实的插口。放到 AI 应用里，一边是需要使用资料和工具的应用，另一边是提供这些内容的服务，双方如果遵守共同约定，就更容易交换信息。这里也有一个必须守住的区别：插头能插上，不代表设备里的资料都可以随意读取。比如连接一个日历服务，允许查看空闲时间，和允许修改所有人的日程，是不同范围。连接方式与访问许可，需要分别判断。

MCP 的英文是 Model Context Protocol，可以理解为模型上下文协议。它是一种开放协议，规范 AI 应用如何与外部工具、资料等内容交换信息。这里的协议，就是双方共同遵守的通信规则。它不是新的大模型，也不会自己替你查询日历；提供查询能力的是相应工具，MCP 规定怎样连接和交流。连接成功也不保证返回内容正确，更不会自动授予权限或消除安全风险。做个小检查：应用连接了日历服务，就可以取消所有会议吗？不能这样推断。还要看服务提供什么能力，应用获准使用什么，以及用户是否授权这次操作。因此看到支持 MCP，我们可以理解为具有一种连接方式，不能直接把它翻译成什么都能做。

最后看操作手册。新同事第一次整理周报，手册可以告诉他先收集哪些材料，用什么格式，哪些项目必须核对，还可以附上模板。以后遇到同类任务，就不必每次从头解释。这里提供的是做事指导，而不是新的访问权。手册写着读取销售数据，不代表读到手册的人就自动获得销售系统账号；写着使用某个工具，也不能让不存在的工具突然出现。输入是任务和可用材料，指导帮助安排处理，结果还需要检查。把这点放回 AI，就容易理解技能的主要作用：让任务方法更容易重复使用，而不是把一段说明想象成万能能力。

Skills，中文常说技能，是供 AI 在任务中使用的模块化指导与配套资源。它可以包含任务说明、模板、参考材料，有些还包含脚本。系统在适用时加载这些内容，帮助处理一类工作。不同产品支持的方式不同，不能只凭同一个名字推断功能完全一致。技能也不是重新训练模型，加载之后不保证每一步都正确，仍然依赖可用工具和权限。比如周报技能要求列出已完成事项、待处理问题，并核对数字；没有源数据，就应该指出缺少材料。我们检查技能时，可以问来源是否可信、说明是否适用、配套资源能否使用。尤其有可执行内容时，更要看清作用和允许范围，不能因为叫技能就默认安全。

现在把三个容易混淆的词放在一起。API、MCP、Skills，分别更像服务窗口、连接约定，还是操作手册？请先在心里配对，再给每项补一句理由。你可以暂停视频，用点餐或周报的例子试着解释。参考答案是：API 更像软件提供服务的窗口，说明请求需要什么、会返回什么；MCP 更像连接约定，规范应用怎样与工具和资料交流；Skills 更像操作手册，提供完成任务的指导和配套资源。再多想一步，三者都齐了，是否就能任意替你发消息？仍然不能。还需要真实可用的发送工具、适当权限和这项任务的授权。能把主要作用和边界一起讲清，就比只记住缩写更有用。

今天我们沿着办事过程认识了六个词。API 规定软件访问数据和功能的方式；工具调用让 AI 系统请求外部能力，由应用实际执行；工作流把步骤和条件排好；智能体围绕目标选择下一步；MCP 帮助规范连接；技能提供任务指导。回到日常使用，你不一定能看到每一层技术，但可以做三个检查：它真正拿到了什么结果，做到了哪一步，这一步是否在允许范围内。准备了一封邮件，与邮件已发出，必须区分；完成查询，与完成预订，也必须区分。下一课是最后一课，我们会进一步讨论答案的错误、偏见和资料使用边界，让能办事和办得可靠之间，多一道清楚的判断。