我会教你如何搭建第一套 agent 图，并在今天就把它用到业务中：一支 AI agent 团队并行开展研究，设法推翻自己的发现，再把结果合并成一份报告交给你；任何内容对外发布前，都要由你做最后一次确认。
这套课程会讲完整套方法：图到底是什么、哪种模式最值得采用、哪条停止规则能帮你控制账单，以及三套可以直接用于业务的完整方案——深度研究台、SEO 内容机器和市场推广工具包。
开始前先简单交代一下背景，因为这股趋势也有一段来历。
Claude Code 的开发者说，他已经不再亲自给它写 prompt，而是编写循环，让循环去给它写 prompt。仅仅几周后，互联网的同一个角落又宣布循环已经过时，开始转向图。
抛开这些喧嚣，背后确实有一门实用的方法。它比网上那些帖子说的简单，而且你完全不需要是工程师也能学会。
课程地图：
- 第 1 课：图到底是什么
- 第 2 课：菱形模式
- 第 3 课：停止规则
- 第 4 课：人工关卡
- 图 1——深度研究台（搭建方法 + prompt）
- 图 2——SEO 内容机器（搭建方法 + prompt）
- 图 3——市场推广工具包（搭建方法 + prompt）
- 实战手册
如果你想比这篇文章学得更深入，并了解如何用这类系统赚钱，我创建实时 AI 运营社区的目的正是帮助你做到这一点：weeklyaiops.com
第 1 课：图到底是什么
图就是一份能让你看清全貌的 AI 工作计划。
它回答两个问题：哪些任务需要完成，以及哪些任务必须等待其他任务完成后才能开始。
每个任务都是一件可以交给一名助理去做的事，比如研究某个竞争对手、写一版草稿，或者核查一项说法。
当一项任务必须拿到另一项任务的结果才能开始时，就用一条箭头把两者连起来。
此外，还有一小份持续更新的工作记录会随任务一起流转，记下已经发现了什么、做出了哪些决定，以及还有什么没有完成。
我把这套词汇全都整理到了下面这张卡片里。保存一次，以后就再也不用查定义了：
在接触任何新工具之前，我建议你今晚先做一件事。
看看你现在运行的 AI 系统。对于里面每一个“然后”，都问问自己：下一个任务是否真的需要上一个任务的结果？
只有确实有工作沿着箭头流动时，这条箭头才是真的。
“总结这个文件，然后检查我的日历”听起来像一个顺序流程，但检查日历根本不需要前面的总结，所以这两项任务从来就不必互相等待。
如果答案是否定的，这条箭头就是假的，等待也是浪费。你会发现，自己画出的任何系统里通常都有两三条这样的假边。
你现在的系统是一条直线，每项任务都要等上一项完成。这当然能运行，但也是最慢的做法，因为只要一项任务卡住，后面的一切都会被堵住。
正式开始搭建前还要说明一点：这股趋势刚引发讨论几个小时，工程师们就提出异议，指出它只是一个存在了几十年的老模式换了个新名字。他们说得没错。
但我认为这反而是好消息，因为一个已经支撑关键系统运行几十年的模式，恰恰值得你把业务托付给它。
第 2 课：菱形——真正值得采用的模式
观察任何一套成熟的 agent 系统如何工作，你都会反复看到同一幅图景。
工作先被拆开，多个执行者并行深挖；随后有人检查他们的发现，最后再把一切合并成一个答案。
这幅图叫作菱形。我可以很有把握地说，今年你只需要掌握这一种模式。
Claude 内部的研究功能在生产环境中运行的正是这套模式：一名负责人制定计划，多个执行者并行收集资料，所有发现经过检查后才会交到你手上。
接下来是所有人都会跳过、但你绝不能省掉的环节：检查。
所有严谨的 AI 自我审查测试都得出了同一个结论：模型发现不了自己的大多数错误。
所以，绝不能让同一个 agent 批改自己的作业。
把检查交给一项独立任务，它唯一的职责就是在站不住脚的发现到达你面前之前将其淘汰。还要让每名检查者提出不同的问题……一名检查是否正确，一名检查是否仍是最新情况，另一名检查来源是否真实。
第 3 课：停止规则
agent 越多并不一定越好，而这一课能实实在在地帮你省钱。
研究人员让 agent 团队和单个 agent 在相同预算下完成同一项工作后发现：如果工作可以拆成互不依赖的部分，团队会明显胜出；但如果每一步都需要上一步的结果，团队也会明显落败。
所以，停止规则是这样的：
图能拓宽覆盖面，却不能提升判断力。
我的建议很简单：如果每一步都需要掌握完整情况，就继续使用一个 agent；一旦工作能拆成彼此不用读取对方结果的任务，图才开始物有所值。
所以，在增加哪怕一个 agent 之前，先问唯一决定账单的问题……我的工作在哪里发生分叉？
第 4 课：人工关卡
你才是自己这张图里最重要的节点，这一课要讲的就是你究竟应该站在哪里。
所有成熟的系统都会在执行不可逆操作前转交给人。发送、发布、退款和开具发票这些箭头，都应该终止在你这里；从一套拟好的流程到真实世界之间，你的批准就是最后一次确认。
就连 Klarna 也公开吸取了这个教训：它曾全面转向 AI 客服，后来承认成本削减得太过头，又把人工客服作为高端服务档带了回来。
设计规则一句话就能说清：
把你的批准放在出错后代价高昂、难以撤销的位置，而不是放在每一步。
处处设关卡，你自己会成为瓶颈；完全不设关卡，则意味着没人看守。
我还建议你用不会和你争辩的数字来评判整套系统：实际到账的钱、留下来的客户、真正运行过的测试。因为一套只会给自己的报告打分的系统，只是在自信满满地犯错。
四条小规则可以避免一切演变成代价高昂的事故，下面这张卡片就是值得保存的版本：每个循环都要设置最大轮数；任何一个文件只能由一项任务写入；路由逻辑写进明确的步骤，由 AI 完成其中的任务；同时始终限制可以生成的 agent 数量。
实战搭建——三张能收回成本的图
这里的每套方案都在 Claude Code 中运行，最后都会提供一段可以直接粘贴的 prompt，同时让你担任最终关卡。
每段 prompt 里都有一个真正发挥关键作用的词：“workflow”。它会告诉 Claude 搭建一支协调工作的团队，而不是沿着一条线逐步执行。
图 1——深度研究台
回想一下你上次做出的、真正牵涉到钱的决定：调整价格、推出一项新方案，或者进入一个你曾犹豫过的市场。
你很可能是在 Google 上查了一周资料，或者付了一张昂贵的分析师账单才做出决定，而这套方案可以同时替代两者。
你的问题会被拆成五个角度，五名研究者同时深挖，一名质疑者试着推翻每项发现。只有经受住质疑的结论，才会带着来源进入最终报告。
- 在一个空文件夹中打开 Claude Code
- 用一句话写下你的真实问题，也就是那个关系到钱的问题……例如“我是否应该涨价”或者“这两项服务中，我该推出哪一个”
- 把下面的 prompt 粘贴进去，并填入你的问题
- 观察任务扇出：五名研究者并行工作，随后由质疑者进行审查
- 阅读报告，只有通过你审阅的内容才能进入最终决策
prompt：
"i need decision-grade research on: [your question]. use a workflow: split the question into 5 distinct angles, run one researcher per angle in parallel, every finding needs a source link and a date, then run a skeptic against each finding that tries to disprove it, drop what fails, merge the survivors into one report ranked by confidence, save it as research-report.md and show me the top findings"
第一次运行只需要几分钟，而不是几天。我觉得质疑者的审查才是这套方案真正的核心，因为正是它区分了研究和传闻收集。
图 2——SEO 内容机器
诚实面对一下自己的发布频率吧。对于很多企业来说，维持内容发布要么意味着每月支付服务费，要么就是这件事早已停摆。
这套方案每次运行都会写出一篇具备排名潜力的草稿，而且未经你批准绝不会发布。
三名研究者并行工作：一名研究当前排名靠前的页面都覆盖了什么，一名研究人们真正会提出的问题，另一名研究所有人都遗漏了什么。随后，他们的成果会被合并成大纲，再据此写出草稿并核查事实，最后放在你的文件夹里等待批准。
- 选择一个客户会在 Google 中搜索的主题
- 粘贴下面的 prompt
- 三项研究任务同时运行：排名靠前的页面、真实问题和内容缺口
- 草稿会写入你的 drafts 文件夹，所有说法都经过核查，依据薄弱的说法会在顶部标出
- 由你阅读草稿，修正只有你才知道的内容，再亲自发布
- 然后让 Claude 保存这套 workflow，此后每周一只用执行一条命令，不必再花掉整个下午
prompt：
"i want an article that can rank for: [topic]. use a workflow: run three research jobs in parallel, one lists what the current top-ranking pages cover, one collects the real questions people ask about this topic, one finds what the top pages skip, merge all three into an outline, write a full draft from the outline, then run a fact-checker that flags every claim without a source, save the draft to drafts/ with the flagged claims listed at the top, never publish anything"
图 3——市场推广工具包
你要推出一样东西——产品、方案或者服务。过去摆在面前的现实选择一直只有两个：花几周准备，或者毫无准备地上线。
这套方案一次运行就能产出完整的推广工具包，其中每一项内容都要经过你的批准。
三名研究者并行分析买家、渠道和竞争情况，再把成果合并成一页定位文档。系统会在这里暂停，让你先阅读，因为此后所有素材都要以这一页为标准进行核对。
随后，三名撰稿人会并行起草落地页文案、发布帖和外联消息。一名检查者会标出所有偏离定位的内容，最后把整套材料放进一个文件夹，任何内容都不会自行上线。
- 分别用一句话写出产品名称和目标用户
- 粘贴下面的 prompt
- 系统暂停时阅读定位页面，这是我绝不会跳过的一步
- 让三名撰稿人并行制作素材
- 审阅检查者标出的内容
- 逐项批准；未经你同意，任何内容都不会发布
prompt：
"i'm launching [product] for [audience]. use a workflow: run three research jobs in parallel, one profiles the buyer and collects the exact words they use, one maps where these buyers spend time online, one collects how competitors pitch them, merge into a one-page positioning doc and pause to show it to me, then run three writers in parallel from that doc: landing page copy, a week of launch posts, a set of outreach messages, then run a checker that compares every asset against the positioning doc and flags anything off, save everything to launch-kit/ and change nothing after that without asking me"
实战手册
- 先清理假边：删光那些没有工作实际流过的箭头之后，再运行新任务
- 只拆分无需回头读取彼此结果的工作；必须逐步推进的任务交给一个 agent
- 所有发现都要经过检查，而且不能让两名检查者问同一个问题
- 每个循环都要设置最大轮数
- 每个文件只能有一个写入者；计划写进明确的步骤，AI 负责完成其中的任务
- 最后一次批准要准确放在出错后代价高昂、难以撤销的位置
- 在你能说清为什么一个工具不够之前，一个工具就够了
省掉最后一次批准，这张图就会把它犯下的第一个自信错误直接交到客户手里。
今晚就画出你目前的 AI 系统，只画任务，以及连接任务的箭头。
数一数里面有多少条假边，然后删掉它们。
这是掌握整套方法的第一步。它不花一分钱，而且通常比你能买到的任何工具更能减少等待。