智能体项目开发实战（扣子）：它把智能体拆成零件，却没教你怎么验货

2026-11-13silcano

阅读提示：这本书我逐页读了 210 屏，从版权页读到项目 3 的第 3.2 节（p0210 是"食品安全小卫士"案例的开头，之后抓取中断）。全书规划 8 个项目、48 学时，我读到的是前两个半。后面的项目 4 到 8（记忆能力、多模态、复杂工作流、低代码应用、扣子 AI 编程）我没读到，所以下面所有判断都只覆盖我读过的这 210 屏，不替后面的章节背书，也不假装读完了。

先说结论：这是一本写得很规矩的实训教材，也是一本几乎不敢下判断的教材。它把"智能体"这件事拆成了可以按课时交付的零件——感知、决策、行动、插件、工作流、对话流、知识库——每一块都配了界面截图和同步训练。作为教学材料，这种写法是负责任的：学生照着点，能点出一个能跑的东西。

但作为一本给成年人看的书，它缺了最要紧的一环：它教你怎么把智能体拼起来，没教你怎么判断拼出来的东西该不该上线。全书 210 屏里，我找不到一处讲怎么评测、怎么算成本、怎么发现"它答得挺顺但答案全错"。这件事在 2026 年已经不是边角料，它是这类项目死掉的头号原因。

一、先看骨架：8 个项目、48 学时，一周一个

第 6 页有一张表，把整本书的排布摊开给我看了：项目 1 智能体开发快速入门 6 学时，项目 2 插件扩展 / 工作流编排 / 卡片呈现 6 学时，项目 3 基于知识库打造精准可靠的智能体 4 学时，项目 4 注入记忆能力 6 学时，项目 5 多模态 6 学时，项目 6 复杂工作流 6 学时，项目 7 低代码应用 6 学时，项目 8 扣子 AI 编程入门 8 学时，学时总计 48。

这张表比目录诚实。它一眼就说明了这本书的定位：它不是给从业者补课的书，是一门 48 学时的课程配套教材。48 学时是什么概念？按每周 4 学时算，是一个学期；按集训算，是六个整天。六个整天要从"什么是智能体"讲到"扣子 AI 编程"，也就是每个主题平均不到一天。

这个密度决定了后面的所有写法。凡是需要时间发酵的东西——调试经验、失败复盘、性能权衡——都不可能塞进来。能塞进来的只有两类：操作步骤，和名词解释。所以书里每一节都长成同一个样子：一段概念（通常两三段），一张示意图，一串截图配"如图 X-X 所示"，然后是【案例实战】或【同步训练】，最后【课后实践】。

再看每一节内部的节奏，也是同一套模具。全书的小节标题只有五种前缀：【案例实战】（老师带着做）、【同步训练】（学生跟着做）、【课后实践】（自己做）、以及不带前缀的正文节（讲概念）。项目 1 一个项目里就塞了七个同步训练：熟悉界面、自然语言创建、模板搭建、提示词模板、选择并设置模型、开场白设置、快捷指令配置。这七个训练的颗粒度细到什么程度？细到"开场白怎么写"单独占一个训练，"快捷指令怎么配"再单独占一个。

我不认为这是作者偷懒。这是教材体裁的必然：教材要对教学进度负责，不对读者的判断力负责。颗粒度越细，课堂越好组织，考核越好出题；代价是知识被切成了互不相关的碎片，学生学会了七件小事，却没建立一件事的内部逻辑。问题在于，这本书的封面和书名没有告诉读者这一点——"项目开发实战"这五个字，在书店里是许给工程师的，不是许给学生的。

二、第 12 页那张循环图，是全书的地基，也是全书的天花板

全书真正的理论部分，其实只有一页半，在 p0012。它给出的定义是标准的：智能体通过感知组件接收和理解环境信息，决策组件（通常为大模型）基于感知信息制定决策，动作组件执行决策、通过调用工具或 API 影响环境。然后它强调了一句关键的话：

智能体并非执行一次"感知—决策—行动"流程，而是处在一个动态的循环中。行动后，智能体会评估结果，若未达到目标或出现新情况，会将观察结果输入感知组件并重新制定决策，从而具备处理复杂动态任务的能力。（p0012）

配的图 1-1 画得很清楚：感知 → 决策 → 行动 → 反馈观察结果 → 判断"目标是否达成" → 是则任务完成，否则回到感知。这张图我认，它是这一代智能体最简洁的骨架。

但我把这一页看了三遍之后，意识到一个问题：这张图里有一个"否"的箭头，却没有一条说明告诉读者，这个"否"能循环多少次。

这是致命的省略。真实世界里智能体失控，很少是因为它不会循环，几乎全是因为它太会循环：调用工具返回一个格式不对的 JSON，它重试；重试还是错，它换个参数再试；第三次它开始自己编一个返回值，然后拿着编的返回值继续往下走——每一步都符合图 1-1 的逻辑，最后交给你一个逻辑自洽、事实全错的答案。这张图缺的不是"循环"，是"退出条件"。

而全书 210 屏，没有任何一节回头补这个退出条件。项目 2 讲工作流的时候提到了"循环节点"，讲的是怎么在流程里做遍历（古诗逐句赏析那个案例），不是讲怎么给智能体设停止条件。这两件事看起来像，其实完全不同：一个是让人指定循环几次，一个是让模型自己决定要不要停。后者才是智能体真正难的地方，也是这本书跳过的地方。

所以我把这本书的定位再往下压一格：它是一本"零件手册"，不是一本"系统设计书"。零件手册有用——你得先知道有哪些零件——但拿着零件手册去盖房子，出问题是迟早的事。

三、它真正教对的一件事：把"对话"降级成"管道"

这本书最值钱的部分不在概念章，在项目 2 的第 2.2 节，p0114。它讲工作流的逻辑结构，画了图 2-21：开始节点接收用户输入或触发条件，处理节点（大模型、插件或代码）做加工，逻辑节点（条件分支或循环）做分流，结束节点整合并返回最终结果。文字是这样写的：

工作流通过开始节点和结束节点确定边界，利用各种处理节点与逻辑节点作为处理单元，并通过参数传递驱动数据流转，最终将一个复杂任务自动、标准地完成。（p0114）

这段话我读了很认同，因为它暗含了一个态度转变，而作者自己大概没意识到这个转变有多大：写提示词，是跟模型商量；连工作流，是自己当架构师。

商量这件事的特征是"我说个大概，你看着办"。它的好处是快，坏处是不可控——同一句话问两次，答案不一样；你没法定位是哪一步出的错，因为根本没有"步"。管道不一样：管道有明确的输入、明确的加工、明确的输出，每一段都可以单独测，出了问题能定位到节点。从"商量"走到"管道"，是这类项目从玩具变成系统的唯一通路。

书里用四个案例把这条通路走了一遍：基于工作流的双语社交文案生成器（顺序流程）、基于分支的智能应答助手（条件分支）、基于循环的古诗逐句赏析器（循环）、AI 健身教练（对话流）。这四步的编排是有讲究的——顺序、分支、循环，正好是程序设计的三个基本结构，作者用智能体的壳把计算机基础课重讲了一遍。这个教学设计我给高分。

但我得说清楚它对谁有用。对没写过代码的人，这四步是开眼界的；对写过代码的人，这四步是把已经会的东西换了个界面。书里没有一页讨论"什么时候不该用工作流"——比如需求本身还没稳定、每一步的边界都说不清的时候，硬连一条流程只会把混乱固化下来。这个判断，比会连流程重要得多，而它不在书里。

四、对话流那两页，是全书写得最硬的地方

p0156 讲对话流，只有两段，但把两个最容易混的节点讲清了。

第一段讲"记忆"：大模型节点可以读取历史对话记录，从而拥有"记忆"，能够基于完整的上下文进行回复，实现真正的多轮对话。这句话的技术含量在于它把"记忆"从玄学拉回了工程——所谓记忆，就是把历史对话塞回上下文，没有什么神秘的存储机制，就是每次调用都把前文带上。理解了这一点，你才会立刻问出后面那个真问题：上下文有上限，塞满了怎么办？这本书没答，但它至少把问题摆在了正确的位置上。

第二段讲意图识别节点，写得很准：它的核心功能是意图分类与路由，判断用户输入属于哪个预定义类别，输出的是结构化数据，而非自然语言；它相当于调度员，通常位于流程前端，用于分析用户意图并将对话引导至正确的处理分支。配的图 2-51 画得也清楚：用户输入 → 意图识别 → 输出意图标签 → 选择器 → 查询天气走一个分支，讲笑话走另一个。

"输出结构化数据而非自然语言"这十四个字，是全书最像工程师写的一句话。因为这一句点破了新手最常见的错误：把路由也交给大模型自由发挥。让模型"看着办该走哪条路"，等于把整个流程的确定性交给了概率。而先用一个专门节点把意图压成一个标签，再让选择器按标签走固定分支，这才是可控的做法。

我把这一页归为"可以直接抄进脑子"的级别。它不长，但它给的是一个可迁移的结构：凡是需要"分情况"的地方，都该先做一个只输出标签的节点，再做分支。这个模式你在扣子之外照样用——写代码、搭 RPA、甚至设计一个人工客服的话术表，都是这个形状。

紧接着的 2.4 节讲卡片（标题是"基于卡片配置高效信息看板"，同步训练 2-3 是"让智能体基于卡片展示新闻"），这一节我读得快，因为它的性质变了：卡片解决的是"把结构化结果渲染成好看的版式"，属于呈现层，跟智能体做不做对事没有关系。把它放进"为智能体赋能"这个项目里，说明作者对"能力"的定义偏宽——插件拓宽的是能做什么，工作流决定的是怎么串，卡片只决定看起来怎样。三者不是一个层级的东西，混在一章里讲，学生容易误以为"会配卡片"也是一种能力。

五、知识库那章：把 RAG 讲成"查全 + 查准"，这个说法比大多数技术书准

项目 3 讲知识库，一上来先给了"为什么需要"，图 3-1 把两条路并排画：走通用大模型那条，回应里"可能出现幻觉、过于笼统或包含过时信息"；走知识库那条，回应"专业、准确、有据可查"。旁边列了知识库的四项价值：弥补大模型的缺陷、注入专业领域知识、知识动态更新与迭代、信息结构化便于逻辑推理、信息可信度高。然后一句总结：

为智能体配备知识库，是让智能体在真实的业务场景中变得更加精准、专业、可靠和有用的关键一步。（p0184）

这一段没有新东西，是行业共识。真正好的是 3.2.3 节，p0192，它把检索拆成两个环节，并且给了一句我觉得该抄下来的话：

召回负责"查全"，尽可能多地找到所有可能相关的文档，避免遗漏。通常使用快速、粗略的……（p0192）

后面半句被截图截断了，但意思清楚：召回要宽，排序要准。图 3-3 把这条链画成"用户提问 + 知识库 → 检索（召回 → 排序）→ 增强 → 生成 → 最终回复"。

为什么我说这个说法比大多数技术书准？因为绝大多数 RAG 教程一上来就讲向量、讲 embedding 维度、讲相似度公式，讲完你还是不知道自己的知识库为什么不灵。"查全"和"查准"这两个词，直接把故障分成了两类：答不出来，是召回没捞到；答得不对，是排序把错的排前面了。有了这个二分，你排查的时候就知道该改分段还是改排序，而不是一股脑去换模型。

同一页上面还有一张表，讲分段和索引，写得很实在：内容分段支持自动分段和手动分段，对表格内容默认按行分片，一行就是一个内容片段，不需要进行分段设置；索引这一栏，文本是"扣子支持设置索引字段，用户输入的问题会与设置的索引字段进行比对，根据相似度匹配最相关的内容"；图片则是"用户输入的问题会与设置的标注信息进行比对，根据相似度匹配最相关的图片给大模型，用于图片生成"。

这张表解决了我一直以来的一个疑问：图片知识库到底是怎么"检索"的。答案是它检索的不是图，是你给图打的标注文字。这句话值一整章——因为一旦知道这个，你就明白图片知识库的效果上限，取决于你标注写得多细，而不取决于图有多清楚。标注写得敷衍，再清晰的图也召回不出来。

六、提示词那一节：讲的是排版，不是提问

这是我对这本书意见最大的地方，在 p0055（1.4 节的后半）。它讲提示词的"语法"，给的方案是：扣子支持用 Jinja 和 Markdown 编写提示词，然后花了整整一页讲 Markdown 的基本语法——标题分级用 # 表示一级、## 表示二级，列表用 - 或 * 做无序、数字做有序，代码块用三个反引号包裹，强调用 **粗体** 或 *斜体*，分割线用 --- 或 ****。

我得说句不客气的话：这是排版知识，不是提示工程。

Markdown 能解决的是"让提示词看起来有条理"，它一点也不能解决"让模型做对事"。真正决定提示词效果的，是三件 Markdown 管不了的事：一是任务怎么拆（一次让它做五件事，还是分五轮各做一件）；二是约束怎么表达（"回答简短"是废话，"不超过三句话、不提建议、不确定就说不知道"才是约束）；三是示例怎么给（给一个正例、一个反例，比给十条形容词有效）。

这三件事书里都提到了吗？提到了——在 1.4 的前半部分有一张"提示词模板"的表，列了角色、技能、要求、回复格式这些字段，p0055 顶部还能看到那张表的尾巴，示例里写着【城市】【天气】【温度】【建议】这样的占位结构。那张表里"回复格式"一行写的是：为智能体提供回复格式的示例，智能体会模仿提供的回复格式示例来回复用户。这说明作者知道结构化提示词长什么样，也知道给示例比讲道理有用。但他把篇幅的大头给了语法，而不是给了判断。

这是个取舍问题，我能理解取舍的动机：教语法好教，教判断难教，而且语法可以出题考。但读者要付的代价是真实的——学完这一节，你能写出一条格式漂亮的提示词，却写不出一条知道自己什么时候会失败的提示词。而后者才是提示工程的全部难点。

七、它的短板

这一节我按"会影响你实际使用"的严重程度排，不按书的章节顺序排。

第一，也是最要命的一条：全书没有一个字讲评测。210 屏里，所有的验收标准都是同一句话——"运行一下，看看效果"。案例实战的结尾长这样：点击预览与调试，输入问题，观察输出。这就是全部的验收。可智能体的失败模式恰恰是"看起来成功了"。它答得流畅、结构完整、语气笃定，只有事实是错的。没有一套评测集（哪怕二十条问答）、没有一条准确率底线、没有一次"故意问它不知道的东西看它会不会编"，你就永远不知道自己做的这个东西能不能用。这本书把读者送到了"能跑"这一步，然后就撒手了，而"能跑"和"能用"之间隔着的正是评测。

第二，平台绑定得极深，而平台改版比书快。整本书的操作路径全是截图 + 菜单名：创建智能体的对话框（图 1-12）、添加插件的搜索框（p0092 找"天气"、添加墨迹天气的 DayWeather 工具）、创建应用还是创建智能体这个二选一、断点调试面板。这些截图现在是对的，一年后大概有一半对不上。一本讲"项目开发"的书，如果三个月后有一半步骤点不通，它的价值就只剩概念部分了。而概念部分——就是我前面说的那一页半。这个投入产出比，读者买书前应该知道。

第三，只讲"能做什么"，不讲"要花多少"。插件要调外部 API，知识库要存向量、要跑检索，模型要按 token 计费，工作流的每一次循环都是一次调用。这四样都会产生成本，而这本 48 学时的教材，一次都没提过额度、并发、延迟、单价。学生做完八个项目，会得到一个能演示的 demo，和一个完全错误的成本预期——而成本预期错了，项目在立项阶段就会死，根本走不到技术环节。

第四，案例的"业务真实度"偏低。双语社交文案、智能应答助手、古诗逐句赏析、AI 健身教练、食品安全小卫士——这些题目的共同点是干净：输入规整、目标单一、错了也没什么后果。真实业务里的智能体要面对的是：用户输入半句话加三个错别字、知识库里有互相矛盾的两份制度文件、上游接口一天挂两次。这本书训练的是"把流程搭起来"的能力，不是"在脏数据里活下来"的能力。前者三天能学会，后者三年学不完。

第五，我读到的部分只到项目 3。这不是书的短板，是我这次阅读的边界，但我必须写出来：项目 4 到 8 讲记忆、多模态、复杂工作流、低代码、AI 编程，这些恰恰是最容易过时的部分，也是我最想看作者怎么处理的部分。p0210 之后我没读到，所以这本书后半程的成色，我不评价。

八、读法：三种人，三条路

如果你是学生，正在上这门课：照书的顺序做，一个项目一个项目点通，这是它设计得最好的用法。但每做完一个案例，自己加一道题：故意给它一个它答不上来的输入，看它怎么反应。这一步不占多少时间，但它是把"操作课"变成"工程课"的唯一办法。八个项目做八次，你会得到一份自己的失败清单，那份清单比这本书值钱。

如果你是产品经理或业务方，想评估要不要做智能体：读三处就够——p0012 的循环图（理解智能体到底是个什么东西）、p0114 的工作流四类节点（理解"可控"是怎么来的）、p0156 的意图识别（理解"分情况"该怎么做）。这三页加起来不到十屏，读懂了，你跟技术沟通时就不会被"我们用了大模型"这种话糊弄。剩下两百屏是给人动手的，不是给你做判断的。

如果你是开发者，已经会写代码：这本书对你有用的只有两个点：一是图 2-21 那套节点抽象，可以拿去对照你自己项目里的编排逻辑，看看有没有把"路由"和"加工"混在一起；二是 p0192 那张分段与索引表，特别是"图片检索比对的是标注信息"这一条，能省你半天试错。其余的界面操作，你打开扣子十分钟就能自己摸出来，不必花六个学时。

最后说一句我的总判断。

这本书的毛病，不是写得差，是它把"完成"当成了终点。整本书的逻辑是：需求 → 搭 → 点预览 → 能对话 → 下课。而真实项目的逻辑是：需求 → 搭 → 能对话 → 发现它在某类问题上系统性出错 → 改分段、改路由、加兜底 → 再测 → 才敢给人用。后面那一半，这本书一页没写。

所以它适合当教材，不适合当手册；适合入门，不适合查漏。它给你的是零件和图纸，唯独没给你验收单。而一个没有验收单的项目，做得再顺，也只是还没出事而已。

阅读记录：微信读书《智能体项目开发实战（扣子）（微课版）》，杨鹏、蔡柳萍主编，2026 年 1 月版。本次抓取 210 屏，覆盖版权页至项目 3 第 3.2 节（p0210 起为"食品安全小卫士"案例开头，抓取中断，项目 4–8 未读，如实标注）。逐页核对：p0006（前言与 8 个项目 48 学时表）、p0012（图 1-1 感知—决策—行动循环、三组件分工）、p0033（图 1-12 创建智能体/创建应用、断点调试）、p0055（Jinja 与 Markdown 提示词语法、提示词模板表尾部）、p0092（图 2-5 头条搜索插件、墨迹天气 DayWeather 工具）、p0114（图 2-21 工作流逻辑结构）、p0156（图 2-51 意图识别与大模型节点协作、记忆即上下文）、p0184（图 3-1 知识库赋能流程与四项价值）、p0192（分段与索引对照表、图 3-3 召回与排序、查全与查准）。2026-11-13。