前言
面向经管学生、研究者与从业者的 AI 智能体设计教材
2025 年秋天，我们听到一个很典型的问题：在券商研究所、基金公司和企业研究部门里，越来越多人开始用 AI 写研报初稿、整理财务数据、追踪市场舆情，甚至让多个 AI 智能体分工协作。可很多人依然不知道，这些系统到底该怎么设计、怎么落地、怎么判断它们靠不靠谱。
这不是个案。过去两年，我们目睹了 AI 智能体在金融行业的快速渗透。资产管理公司用它们做舆情监控和交易信号生成；投行用它们加速尽职调查；风控部门用它们构建反欺诈系统。变化之快，超出了大多数人的预期。
问题不只出现在课堂里。经管类学生、金融从业者、研究人员，甚至很多对 AI 感兴趣的普通读者，都在同时面对同一个门槛：会聊天，不等于会搭系统；会提问，不等于会把 AI 接进真实工作流。更关键的是，很多人不知道这些系统如何分工、该在什么场景使用，又该怎样控制风险。
这本书就是为了填补这个空白而写的。
为什么是智能体设计，而不是编程
市面上不缺 AI 编程书。Python、深度学习、机器学习，相关材料已经很多。但这本书要解决的不是“把读者训练成 AI 工程师”，而是“让读者有能力设计、组织、审阅和迭代一个能真正工作的智能体系统”。
无论你是学生、分析师、研究员、交易员、风控人员，还是刚开始接触 AI 智能体的读者，你真正需要的都不是底层框架细节，而是理解它们的工作原理，知道怎样规划任务、组织规则、调用工具、协调多个角色、检查结果、控制风险。这是设计者和组织者的视角，也是今天越来越稀缺的能力。
好消息是，AI 发展到今天，自然语言已经成为与计算机交互的主要方式。你用中文或英文描述需求，AI 就能理解并执行。这意味着编程门槛大幅降低，任何人都可以成为 AI 系统的设计师。
本书的核心理念
本书贯穿一个核心方法论：Effective Vibe Coding。
这个概念由前 OpenAI 研究员 Andrej Karpathy 在 2025 年初提出。Vibe Coding 描述了一种新的人机协作范式：你不再逐行编写代码，而是通过自然语言描述需求，让 AI 生成解决方案。你的角色从执行者变成了设计师、评估者、指挥者。
但 Vibe Coding 不是放任不管。有效的 Vibe Coding 需要一套完整的工作流：
- 规划先行：在动手之前，先想清楚要解决什么问题、分几步走
- 迭代循环：提示 → 生成 → 评估 → 优化，不断逼近满意结果
- 人在回路：关键决策点由人类把关，AI 负责执行和建议
- 验证为本：不盲目信任 AI 输出，建立检验机制
这套方法论贯穿全书案例，也是你将来在工作中与 AI 协作的基本范式。
本书的结构
全书的主线分为四个部分：
基础篇（第 1-3 章） 解决三个问题：什么是 AI 智能体？如何与 AI 高效协作？怎么安装并配置核心工作环境？本书以 Claude Code 为主要教学工具，同时兼容 Opencode、Codex 等其他流行的 coding agent CLI。完成这三章，你就具备了后续学习所需的共同基础。
原理篇（第 4-13 章） 是全书的方法核心，按 Claude Code 与智能体协作中的关键模块组织：项目创建与规则文件、提示词工程与任务规划、Git 与版本控制、Skills 基础、多智能体基础（子代理）、Skills 进阶、多智能体进阶（Agent Teams）、Hooks、评估与迭代、高阶使用技巧。Skills 基础之后先讲子代理，再回到 Skills 进阶，因为高级 Skill 的核心能力就是编排多个子代理完成多阶段任务。
场景实践篇（第 14-19 章） 按任务场景组织：自动化办公系统、AI 原生知识库、文献综述智能体系统、论文润色提升系统、多智能体投研系统、企业级知识库建设与深度研究。这样安排的重点，不是罗列行业清单，而是让读者把同一套设计方法迁移到业务任务与科研任务中。
前沿篇（第 20 章） 探索个人智能体管家与编程代理的协同，展望 AI 智能体的发展方向。
四部分的递进关系很清楚：基础篇负责打底，原理篇建立方法框架，场景实践篇负责把这些方法放进不同任务中反复迁移和验证，前沿篇则展望新范式。后半部分可以按兴趣选择，但建议至少完整做完一个系统，再横向比较两个不同场景。
本书的特色
零编程门槛。你不需要任何编程经验。我们以 Claude Code 为核心教学工具，同时兼容 Opencode、Codex 等其他 coding agent CLI，让读者用自然语言就能设计和运行智能体系统。
方法先行，场景迁移。本书不追求罗列行业解决方案，而是强调可迁移的设计方法，再把这些方法放进金融分析、企业研究、论文写作、文献综述和知识管理等任务中检验。
原理与实践并重。我们不只解释为什么这样做，也会直接展示怎么做。命令、提示词、文件结构、案例流程和常见误区都会落到具体操作层。
风险意识贯穿始终。AI 不是万能的，智能体系统会出错、会产生幻觉、会被误用。我们在每个关键环节都强调风险控制和人类监督，培养你对 AI 的批判性思维。
谁适合读这本书
经管类学生。如果你正在读经济、金融、管理、会计、财政、统计等专业，这本书能帮你把 AI 从聊天工具升级成真正可用的工作系统。
经济金融从业者。如果你在券商、基金、银行、保险、咨询、研究或企业战略部门工作，这本书会更关注任务拆解、版本控制、审阅闭环和实际落地。
研究者与教师。如果你想把 AI 用到写作修改、资料整理、课程准备或研究设计中，第 15-19 章会特别有价值。
更广泛的技术读者。即使你不是金融专业，只要你对智能体设计、Claude Code 或自然语言协作感兴趣，书中的方法也能直接迁移到别的领域。
如何使用这本书
标准路径：按章节顺序学习，每周 4-6 学时，约 16 周完成全书。这是最系统的学习方式。
快速入门：第 1-7 章 → 第 14 章。先掌握基本协作方式、提示词与 Skills，再进入第一个场景实践案例。适合想尽快做出成果的读者。
研究导向：第 1-5 章 → 第 8-9 章 → 第 16-17 章。重点掌握任务规划、子代理协作、上下文管理，以及文献与写作场景的系统搭建。适合准备毕业论文、课程项目或研究计划的读者。
无论选择哪条路径，有几条建议：
- 每章的案例必须亲自完成。看懂和做出来是两回事。
- 带着实际问题学习。想想你工作或学习中的哪些任务可以让 AI 帮忙。
- 不要追求完美。AI 系统的特点是迭代优化，第一版不好很正常。
- 遇到问题多调试。排错是学习的一部分，不是学习的障碍。
一些提醒
AI 技术发展极快，工具的版本和功能可能会更新。本书基于 2025-2026 年的 Claude Code 版本编写，核心原理不会过时，但具体操作可能需要根据新版本做微调。遇到问题时，可以直接询问 Claude Code 本身——它通常能告诉你最新的正确做法。
书中涉及金融案例和数据，仅供教学演示使用，不构成投资建议。AI 生成的任何分析结果都需要专业判断和验证，不能直接用于实际投资决策。
致谢
这本书的写作本身就是一次 Vibe Coding 实践。从大纲设计到内容撰写，从案例开发到格式排版，AI 智能体全程参与。它既是教学内容，也是教学工具，更是教学方法的示范。
感谢 Anthropic 和 Claude Code 团队，以及 Opencode、Codex 等开源项目和背后的开发者社区，让自然语言编程成为现实。感谢开源社区贡献的各种 MCP 服务，让智能体能够连接真实世界。
感谢对我们的写作和教学探索给予支持的同事们，感谢愿意成为早期读者并持续提供反馈的朋友、学生和同行。
最后，感谢每一位翻开这本书的读者。AI 时代的经济金融人才，需要新的能力结构。希望这本书能成为你探索这个新领域的起点。
让我们开始吧。