KeyFrame內部研究專用

From Zero To Advanced AI Agents In 15 Minutes (No Coding)

Zinho Automates11 min英文
觀看原始影片

三句話摘要

教你用無代碼平臺從零建立三個真正可用的 AI 代理,自動管理收件匣、發佈內容、分析業務。 AI 代理的真正價值不是自動化本身,而是停止「使用工具」、開始「擁有一個懂你的助手」——讓機器在你睡覺時幫你經營業務的每個角落。 身份優於功能配置:建立代理的核心轉變是改變心態——不是在填功能表單,而是用自然語言描述一個真實的人物身份。講者強調「你是在寫信給一個人」,而非編程。這讓代理能理解潛在意圖和上下文,而不是機械執行預設命令。

重點整理

  1. 身份優於功能配置:建立代理的核心轉變是改變心態——不是在填功能表單,而是用自然語言描述一個真實的人物身份。講者強調「你是在寫信給一個人」,而非編程。這讓代理能理解潛在意圖和上下文,而不是機械執行預設命令。

  2. 記憶系統的決定性差異:代理與聊天機器人的根本區別在於記憶累積。每次互動代理都會學習你的偏好,記憶欄會自動填充;聊天機器人每次都重新開始。分離式記憶則防止多品牌運營時不同聲音相互干擾——一個開關就能重組整個系統。

  3. 差異化的模型配置:不同工作應配不同模型——聊天交互用輕量級模型降低成本,自動化任務(如深度數據分析)需更強大模型確保準確性。在設定中分別配置兩個模型選擇器,才能充分發揮代理的潛能。

  4. 無人監管運行需要明確的安全邊界:權限設定是前置條件,必須進入安全設定關閉「刪除資料」和「更新資料」權限,啟用自動密鑰檢測。這不是可選項,而是讓代理安全獨立運行的非協商基線。

實用技巧與重點

  • 平臺與資源
  • Base.ai(使用作者連結免費註冊)
  • Free School 社群提供提示模板與每週新工作流
  • 第一個代理:收件匣檢查器
  • 連接工具:Gmail 外掛、Calendar 外掛
  • 具體任務:閱讀收到的郵件、草擬日常回覆、標記需人工處理的郵件並說明原因、查看行程表後才回答可用時間
  • 設定時間:1-2 分鐘
  • 輸出渠道:WhatsApp 摘要推送
  • 第二個代理:內容發佈代理
  • 連接工具:LinkedIn 外掛、X(Twitter)外掛
  • 具體任務:選擇想法、撰寫 LinkedIn 完整版文章、撰寫 X 鉤子版、按計畫分別發佈兩個平臺
  • 關鍵配置:分離式記憶(防止多品牌聲音混淆)
  • 第三個代理:業務分析代理
  • 連接工具:CRM、Google Analytics、Slack 外掛
  • 日常任務(每日早上 8:00 自動運行):
  • 對比本月流量與上月數據
  • 分析用戶來源與變化
  • 檢查 CRM 中潛在客戶是否轉化或卡在某環節
  • 如發現異常,詳細說明原因並通過 Slack 報告
  • 模型配置:聊天用 Claude 3.5 Sonnet,自動化用 Claude 3 Opus(更強大)
  • 安全設定必須項
  • 進入設定 → 安全性 → 代理權限
  • 關閉:更新資料、刪除資料
  • 啟用:自動偵測秘密(防止 API 密鑰暴露)
  • 分享與複製
  • 點擊分享 → 公開模板連結
  • 他人可複製代理結構但需連接自己的工具,不暴露你的帳戶與 API 密鑰

結論

AI 代理的真正價值不是自動化本身,而是停止「使用工具」、開始「擁有一個懂你的助手」——讓機器在你睡覺時幫你經營業務的每個角落。

完整解析

建立 AI 代理的根本轉變,在於改變你對「自動化」的思考方式。這不是在配置一個軟體工具,而是在招募一個真正的助手。講者從第一原則開始:當你描述代理時,描述的應該是它的身份和人品,而非功能清單。他的例子是「你不是聊天機器人,你是助手,你正在成為某人的專屬助手」——短短一句話卻完全改變了代理如何理解和執行工作的方式。

第一個代理展示了基礎用法。連接 Gmail 和 Calendar,給它一個簡單任務:處理收件匣。但在啟動之前,講者做了一個容易被忽視卻至關重要的動作——進入權限設定,確保代理無法刪除或更新資料,啟用自動密鑰檢測。這個 30 秒的檢查看似麻煩,卻是讓一個完全無人監管的代理安全運行的基礎。接著代理開始工作:阅讀每封郵件、自動起草回覆、標記需要人工審核的內容並說明原因。輸出端則透過 WhatsApp 推送摘要,讓信息以最自然的方式回到使用者手中。講者說「我就撐過了每週最難熬的一個小時」——這正是代理的現實價值。

第二個代理進入了「代你說話」的領域。這裡身份的定義變得更加細緻——代理不再是幫手,而是你的聲音。連接 LinkedIn 和 X 後,講者給它一個核心任務:選擇想法、為 LinkedIn 寫完整版、為 X 寫鉤子版、按計畫發佈。這裡引入了一個強大的配置概念:分離式記憶。講者舉例説如果你經營健身品牌和商業品牌,分離式記憶能防止它們的聲音相互污染——同一個代理系統能在不同記憶命名空間中保持完全不同的身份和風格。

第三個代理代表了完全的自動化系統。它的角色是分析師,不做事只報告。連接 CRM、Google Analytics 和 Slack,設定自動運行時間為每天早上 8 點。這時講者揭露了一個高級細節:設定中有兩個模型選擇器。一個用於聊天模式(我和代理互動時使用輕量級模型以降低成本),另一個用於自動化(需要更強大的模型做深度分析)。代理每天早晨獨立運行,對比流量數據、分析用戶來源、檢查轉化漏斗,任何異常都會通過 Slack 詳細說明。講者的最終描述最能說明一切:「今天早上我連個網頁標籤都沒打開,我沒有查看儀錶板,我沒有登入任何系統。我的手機震動了一下,收件匣裡的東西都處理完了,貼文也發出去了,分析師告訴我流量上升了。」這不是工具的堆砌,而是真正的系統。

這三個代理展示了從入門到企業級的完整路徑。最後講者還分享了一個強大功能——分享代理模板。透過公開連結,任何人都可以複製你建立的代理結構和邏輯,但由於不包含連接器信息,他們需要自己連接工具,你的 API 密鑰和帳戶完全安全。一次開發,無限複製。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。