概念梳理：Agent、Workflow、Skills、MCP…

我這兩天直播，被問(wèn)到最多的問(wèn)題是：

1. Agent、智能體、Workflow、Skills、MCP這些概念都有啥區(qū)別？
2. OpenClaw 跟他們有啥關(guān)系？
3. 老板讓給公司部署一個(gè)，能行么？
4. 企業(yè)需要 OpenClaw 么？Dify 咋辦？

今天，給大家梳理一下。

概念的出現(xiàn)和演進(jìn)

首先，作為產(chǎn)品經(jīng)理你應(yīng)該知道，我們使用的所有AI產(chǎn)品，都是通過(guò)API接口調(diào)用的LLM。

API 請(qǐng)求每一次都是獨(dú)立的，但是 LLM 的 API 支持通過(guò)構(gòu)造 message 數(shù)組的形式，把歷史請(qǐng)求和返回的內(nèi)容拼到當(dāng)前請(qǐng)求，如：

"messages":[
{"role":"system","content":"你是一個(gè)有用的助理"},
{"role":"user","content":"你好AI"},
{"role":"assistant","content":"你好人類"},
{"role":"user","content":"介紹一下你自己"},
]

通過(guò)這樣構(gòu)造消息，我們完成了 Chatbot 的開(kāi)發(fā)。

這就是最早的 AI 產(chǎn)品 — 套殼 ChatGPT。

因?yàn)?AI 的知識(shí)是在訓(xùn)練完后就寫死的，不能實(shí)時(shí)更新、也沒(méi)有企業(yè)內(nèi)知識(shí)，于是我們想到了通過(guò)先檢索為模型增強(qiáng)它的知識(shí)，再讓它生成的辦法，這就是大名鼎鼎的 RAG — 檢索增強(qiáng)生成。

這里檢索有兩種方式：一種是把它調(diào)用搜索引擎 API，在互聯(lián)網(wǎng)上檢索；另一種是在內(nèi)部知識(shí)庫(kù)里檢索。

關(guān)于在內(nèi)部知識(shí)庫(kù)里檢索這個(gè)方式，人們參考大模型內(nèi)部知識(shí)的結(jié)構(gòu)對(duì)自己的知識(shí)進(jìn)行處理。

這就是名震 2023 的知識(shí)嵌入-Embedding，存儲(chǔ)這些知識(shí)的數(shù)據(jù)庫(kù)叫做“向量數(shù)據(jù)庫(kù)”。

這兩種檢索的結(jié)果最終都還是要回到 API 請(qǐng)求，只是請(qǐng)求內(nèi)容變成了：

用戶問(wèn)了下面這個(gè)問(wèn)題：
我們檢索到了以下資料：
請(qǐng)參考資料回答用戶的問(wèn)題。

所以，RAG 也是 Chatbot 的延伸。

后來(lái)，人們想：你 LLM 能不能自己使用搜索工具，別每次都讓我們來(lái)搞？

LLM：可以，告訴我你那個(gè)搜索工具是怎么請(qǐng)求的，不也是個(gè) json 么？我按你要求輸出請(qǐng)求需要的內(nèi)容，完了后面的程序拿去請(qǐng)求，把請(qǐng)求結(jié)果拼接到 message 數(shù)組里再發(fā)給我就好了。

這個(gè)讓大模型嚴(yán)格輸出某種格式有專門的叫法：Function Calling、Tool Call、Tool use…

它們本質(zhì)上是在提示詞里跟 AI 說(shuō)清楚使用這個(gè)工具需要的參數(shù)格式，讓模型按需求輸出就好了。

大概類似（schema 我瞎寫的）：

"tools":[
{
"name":"weather",
"description":"需要查天氣的時(shí)候可以用這個(gè)工具",
"schema":"想調(diào)用這個(gè)工具，得輸出下面的格式"
}
]

我們可以一次為 LLM 提供多個(gè)工具讓它選，于是我們進(jìn)入到了一種“有點(diǎn)智能”的產(chǎn)品形態(tài)：

模型可以根據(jù)問(wèn)題“選擇”合適的工具，“調(diào)用”后為自己構(gòu)造上下文。

這里模型只負(fù)責(zé)輸出調(diào)用工具所需的 json 格式，工具的具體調(diào)用是由我們的程序員寫的。

一旦有點(diǎn)智能，人就會(huì)分化出兩種態(tài)度：

1. 我 x，牛 x，搞搞搞！
2. 我 x，垃 x，自己搞！

前面那波人，搞出了當(dāng)時(shí)名噪一時(shí)的 AutoGPT：一個(gè)讓 LLM 能自主選擇工具、幫它構(gòu)造多輪 messages 的 Agent。

后面那波人，則搞出了另一個(gè)名噪一時(shí)的 Dify：一個(gè)把所有工具搞成節(jié)點(diǎn)，把它們和 LLM 編排在一張畫布上的智能體。

那可是 2023 年，可想而知玩 Agent 的那幫人在頂著什么樣的壓力…

1. 動(dòng)不動(dòng)輸出 json 的時(shí)候帶著```，或者非得解釋一下自己的 json
2. 動(dòng)不動(dòng)被調(diào)用工具返回的信息撐爆了上下文窗口
3. 動(dòng)不動(dòng)陷入一種不解決問(wèn)題的循環(huán)、或者閉著眼說(shuō)瞎話交付垃圾給你

所以主流還是 Workflow 們，從 2023 到 2025 整整兩年，因?yàn)榭煽乜删幣牛瑐涫芷髽I(yè)青睞。

以至于，到現(xiàn)在，Agent 這詞一直和智能體一起放在各種崗位招聘描述里

你 Agent 不行，我智能體先用用怎么了。

實(shí)際上，我們要清楚一件事：雖然國(guó)區(qū)用“智能體”稱呼 Workflow 編排出來(lái)的產(chǎn)品形態(tài)，但是當(dāng)時(shí)可是因?yàn)椴幌嘈潘爸悄堋薄?/p>

它本質(zhì)上還是 Chatbot，只是我們?cè)谀莻€(gè)請(qǐng)求 API 里塞了一連串工具產(chǎn)出的上下文。

復(fù)雜不能造就智能，簡(jiǎn)單才能。

Agent 分支才真的配得上是“智能”體，因?yàn)樗鼈兊牡讓舆壿嬀褪且粋€(gè)簡(jiǎn)單的可以循環(huán)執(zhí)行大模型請(qǐng)求、工具調(diào)用、消息拼接的程序。

當(dāng)人類問(wèn)題進(jìn)入 Agent，循環(huán)就啟動(dòng)了：

1. 審視問(wèn)題、拆解問(wèn)題
2. 使用工具為解決問(wèn)題構(gòu)造上下文
3. 再次發(fā)給模型：審視問(wèn)題、拆解問(wèn)題
4. 使用工具為解決問(wèn)題構(gòu)造上下文
5. 再次發(fā)給模型：審視問(wèn)題、拆解問(wèn)題

直到某次請(qǐng)求大模型時(shí)，大模型返回的結(jié)果是：ok，用戶的問(wèn)題被解決了。

萬(wàn)物皆是工具，萬(wàn)事皆可循環(huán)。

這個(gè)形態(tài)，真正成為生產(chǎn)力是 2024 年下半年 sonnet-3.7 發(fā)布以后。

先是 Cursor，然后是 Manus。

考慮到每個(gè) Agent 都要用工具，要用很多工具，Claude（發(fā)布 sonnet-3.7 那個(gè)）說(shuō)：要不咱們搞個(gè)標(biāo)準(zhǔn)吧，大家寫工具的時(shí)候都按照這個(gè)標(biāo)準(zhǔn)來(lái)，這樣寫好的工具就能復(fù)用了。

這個(gè)標(biāo)準(zhǔn)就是 MCP：為模型 M 構(gòu)建上下文 C 時(shí)的協(xié)議 P。

這個(gè)概念，隨著 Manus 爆火，火了大半年。

它本質(zhì)上還是 Tool，只是大家都按照一個(gè)標(biāo)準(zhǔn)寫（客戶端和服務(wù)），用起來(lái)會(huì)更方便。

但不管 MCP 還是 Tool，都有一個(gè)致命的問(wèn)題：

關(guān)于這個(gè)工具的一切（名字、描述、參數(shù)結(jié)構(gòu)）都會(huì)被塞進(jìn) Agent 的上下文里，即便 Agent 用不到它。

相當(dāng)于，你手機(jī)上下載了一堆 App，但不是每一個(gè)都一直被打開(kāi)使用。

這事，也一直沒(méi)個(gè)解決方案，直到 Claude 自己下場(chǎng)做了個(gè) Agent 才被解決。

事情是這樣的：

Claude 發(fā)現(xiàn)：癌，你 Cursor 這 Agent 挺廢 token 啊！你一火，我這嗷嗷賺錢！

于是，它們自己也弄了一個(gè)更好用的，讓大家燒更多 token。

Claude 沒(méi)有寫應(yīng)用程序，而是直接把自己塞進(jìn)終端里了。

為啥用終端這種上古神器呢？

因?yàn)?Cursor 要為用戶編寫程序，就必須擁有能在用戶的電腦上創(chuàng)建“程序代碼文檔”的工具。

終端(CMD)這個(gè)上古神器就非常符合需求：它擁有操作系統(tǒng)最底層的權(quán)限，別說(shuō)創(chuàng)建文檔了，重裝系統(tǒng)它都能做到(伏筆)。

于是，Claude 最大客戶 Cursor 的最大競(jìng)品，Claude Code 橫空出世，成為整個(gè) 2025 年開(kāi)發(fā)者們的心頭好。

Claude Code 作為一個(gè) Agent，肯定支持讓用戶配置 MCP 來(lái)拓展 LLM 可使用的工具列表。

但是，MCP 這東西太占用上下文空間了。

于是 Claude 團(tuán)隊(duì)心想：

1. 你配置一 MCP 或者工具進(jìn)來(lái)，不就是告訴大模型遇到這種該怎么辦、怎么調(diào)用我這程序么
2. 不管你啥程序，來(lái)到我 Claude Code，最終不都是在終端里的一條指令么
3. 那么我們能不能這樣：你先告訴我你是干嘛的，具體咋干先別提；等我需要用你了，再來(lái)看看你具體咋用。
4. 你給我一個(gè)文檔，開(kāi)頭是簡(jiǎn)單描述，下面是詳細(xì)介紹，詳細(xì)介紹里如果涉及的使用工具程序，你告訴我在終端里運(yùn)行啥指令，具體的程序文檔參考資料，你弄個(gè)文件夾放一塊。

這就是 Skills - 技能。

再后來(lái)的故事，相信大家都知道了：一個(gè)外國(guó)小伙，財(cái)富自由了沒(méi)事干，自己寫了一個(gè)“Claude Code”，把它安裝到電腦上，給了它所有權(quán)限。

系統(tǒng)提示詞是：別問(wèn)，直接干！

然后把它接入到了飛書里，以方便自己不在電腦前的時(shí)候，也能給它的“Claude Code”發(fā)消息。

名為：～Clawbot～ ～Moltbot～ OpenClaw。

企業(yè)怎么選？

上完歷史課，大家應(yīng)該也清楚了：

• Dify 類 Workflow，屬于需要嚴(yán)格控制 LLM 上下文構(gòu)造的 ChatBot 分支
• OpenClaw 屬于相信 LLM 比人類更會(huì)編排流程的 Agent 分支

這倆沒(méi)有好壞之分，只是不同場(chǎng)景、不同可控性要求的兩個(gè)選擇。

當(dāng)你需要更標(biāo)準(zhǔn)化的流程、需要嚴(yán)格按照指定步驟完成上下文構(gòu)造、并嚴(yán)格審閱 LLM 的輸出，那么部署一個(gè) Dify 或者自研一套可編排工具的 ChatBot 產(chǎn)品很合適。

當(dāng)你能接受更高的自由度、或者執(zhí)行自己無(wú)法勝任但相信模型能搞定的任務(wù)，OpenClaw 類 Agent 是更好的選擇。

如果你既想體驗(yàn)先進(jìn)刺激的 Agent，又希望 Agent 作業(yè)過(guò)程可控，可以把你編排的 Workflow 封裝成技能 Skills，讓 Agent 按編排好的流程作業(yè)。

產(chǎn)品經(jīng)理們?cè)趺磳W(xué)？

OpenClaw 帶來(lái)了一個(gè)讓大家更好轉(zhuǎn)型的抓手：一次范式轉(zhuǎn)移，激發(fā)了更多團(tuán)隊(duì)想要嘗試變革，帶來(lái)了更多崗位和話題切入點(diǎn)。

但是，關(guān)于打造一款 Agent 所需的基本功，一個(gè)都不會(huì)少。

比如最基本的一個(gè)問(wèn)題：設(shè)計(jì) Agent 時(shí)，如何寫提示詞？

這個(gè)問(wèn)題的答案，幾乎包含了此刻一個(gè)產(chǎn)品經(jīng)理關(guān)于 AI 大模型的全部基本功。

歡迎報(bào)名我的 AI 產(chǎn)品經(jīng)理轉(zhuǎn)崗特訓(xùn)營(yíng)！你需要要的一切，我過(guò)去一整年都在迭代、準(zhǔn)備。

這套課程經(jīng)過(guò)了 2 年 + 7 輪迭代，包含了過(guò)去 2 年 AI 產(chǎn)品一路進(jìn)化過(guò)來(lái)的所有必備技能。

不管你是要做公司的 AI 賦能規(guī)劃還是要轉(zhuǎn)崗成為一名大模型行業(yè)從業(yè)者，它都能以更快的速度幫你補(bǔ)齊：

1. 開(kāi)篇建立全局認(rèn)知，包括整個(gè) AI 行業(yè)的生態(tài)圖景、AI 業(yè)務(wù)類型和 AI 崗位職責(zé)，像你第一輪刷 JD 一樣，先找到明確的方向
2. 4 節(jié)課極速帶你入門但是非常扎實(shí)的掌握大模型的底層原理，確保你跟面試官聊基本認(rèn)知的時(shí)候不露怯（其實(shí)學(xué)完你會(huì)站到比大部分人更高的認(rèn)知維度）。
3. 放心，原理都是淺顯易懂的（只要你會(huì)玩狼人殺就能聽(tīng)懂）。但是這些知識(shí)基建非常重要，“速成”但不是“催熟”的，我會(huì)確保你面試的時(shí)候問(wèn)到“為什么這么設(shè)計(jì)提示詞”時(shí)，也能對(duì)答如流。
4. 課程的核心章節(jié)用 13 節(jié)課講透了提示詞工程RAG知識(shí)庫(kù)Dify微調(diào)四個(gè)實(shí)戰(zhàn)必學(xué)技能
5. 前面說(shuō)到的 Vibe Coding 技能，課程也有講，只不過(guò)比你想象中的要快：只要 4 節(jié)課，你就能開(kāi)發(fā)以一個(gè)自己的 MCP 出來(lái)！
6. 緊接著是從需求到產(chǎn)品設(shè)計(jì)上線的全流程串講：面試最容易被問(wèn)到的“這個(gè)場(chǎng)景怎么用 AI 賦能”我有一整節(jié)課專門教你如何拆解；我甚至為上下文構(gòu)建和 PRD 那節(jié)課專門寫了一個(gè) 4 萬(wàn)字的 AI 產(chǎn)品專屬 PRD（

7. 最后一章是 3 節(jié)手把手教你篩 JD、改簡(jiǎn)歷、準(zhǔn)備面試的內(nèi)容，還提供了 100 道 AI 面試真題的解析
8. 以及本文提到的 Agent 原理和實(shí)踐更新內(nèi)容。

詳細(xì)的課程大綱和學(xué)習(xí)計(jì)劃，可以聯(lián)系班主任獲得。

如果你想要抓住這波金三銀四轉(zhuǎn)崗的機(jī)會(huì)，我還提供了實(shí)訓(xùn)項(xiàng)目帶教，幫你補(bǔ)齊沒(méi)有項(xiàng)目經(jīng)驗(yàn)的短板。

1. 5個(gè)應(yīng)對(duì)招聘 AI 能力要求的實(shí)訓(xùn)項(xiàng)目
2. 5個(gè)企業(yè)級(jí)項(xiàng)目&產(chǎn)品經(jīng)理能力養(yǎng)成實(shí)訓(xùn)3. 持續(xù)更新的實(shí)訓(xùn)項(xiàng)目帶教直播

這些項(xiàng)目是已經(jīng)被大量同學(xué)驗(yàn)證有效的，可以被寫進(jìn)簡(jiǎn)歷，大大增加你的面試機(jī)會(huì)和通過(guò)率！

更多實(shí)戰(zhàn)安排和成功學(xué)員案例，聯(lián)系班主任了解~

技術(shù)和玩法高速迭代，所以機(jī)會(huì)窗口不會(huì)太久。

唯一的解法就是，小步快跑加入進(jìn)來(lái)。

進(jìn)來(lái)就不怕技術(shù)迭代，不進(jìn)來(lái)門檻只會(huì)越來(lái)越高。