经济金融 AI 智能体设计与开源 · W0101 — 45
中山大学岭南学院 · 李学恒 / 张一帆
++
中山大学岭南学院 · 2026 秋

经济金融 AI
智能体设计与开源

第一次课：课程导论与环境准备
李学恒
中山大学岭南学院 · 微观经济与数字经济教研室
3 学分 / 54 学时 · 岭院 MBA 大楼 602
课程网站ai.lingnan.top ↗
W0109 · 08
课程总览

今天的路线

I

课程与考核

学什么，怎样算学会？
目标：能力与方法
学习：课堂与练习
评价：作业与项目
II

智能体的发展与能力

从哪里来，能做到哪一步？
发展：从语言到行动
能力：成绩与可靠性
选择：工具与模型套餐
III

反思人与 AI 分工

AI 越能干，你该练什么？
选题：什么值得做
判断：理解与核验
积累：品味与上下文
IV

环境准备与上机

亲手完成可验收的任务
装环境：工具与模型
做任务：文件与修改
验结果：清单与排错
明确学习要求 → 理解智能体能力 → 决定自己的投入 → 亲手完成任务。
学习要求 → 工具能力 → 人的投入 → 上机实践
I课程资源

正式开讲前，先把资源收好

我的教师主页二维码

我的教师主页

lingnan.sysu.edu.cn ↗

个人介绍与联系方式

经济金融 AI 教学资源二维码

经济金融 AI 教学资源

ai.lingnan.top ↗

课程教材与学习资源

AI and Economics二维码

AI and Economics

微信公众号 · 扫码关注 ↗

AI 与经济学的文章和实践

扫码收藏，课后随时查阅。
李学恒 · 教师主页、教学网站与微信公众号
PART I · 课程与考核

先看：这门课怎么学

I当前部分

课程与考核

学什么，怎样算学会？
目标：能力与方法
学习：课堂与练习
评价：作业与项目
II

智能体的发展与能力

从哪里来，能做到哪一步？
发展：从语言到行动
能力：成绩与可靠性
选择：工具与模型套餐
III

反思人与 AI 分工

AI 越能干，你该练什么？
选题：什么值得做
判断：理解与核验
积累：品味与上下文
IV

环境准备与上机

亲手完成可验收的任务
装环境：工具与模型
做任务：文件与修改
验结果：清单与排错
先明确学习目标与验收标准，再选择工具、完成任务。
学习要求 → 工具能力 → 人的投入 → 上机实践
I课程与考核

这门课不教什么，教什么

不教

  • 背软件菜单和命令
  • 不以培养传统软件工程师为目标

教

  • 用 AI 智能体完成有现实价值的复杂任务
  • 知识库、数据分析、研究与系统项目
不教你当程序员，教你当指挥官。
作品要求：可演示、可复现、有长期使用价值。
课程实施方案 · 2026 秋
I课程与考核

学完你能做的五件事

人定目标、标准与验收，智能体执行与反馈；五项能力从说清任务到迁移应用依次展开
把方法迁移到学习、科研、实习、竞赛与个人项目。
课程实施方案 · 2026 秋
I课程与考核

每次课怎么上

每次课怎么上的信息图
每次课带电脑；每周有完整案例、迁移任务与预期结果。
课程实施方案 · 2026 秋
I课程与考核

怎么算分：50% + 50%

怎么算分：50% + 50%的信息图
四次作业均为个人作业；期末项目 4–5 人自由组队。
课程实施方案 · 2026 秋
I课程与考核

四次阶段作业

作业主题交作业周
1数据采集—分析—报告工作流第 7 周（10 月 20 日）
2建立个人信息中台第 11 周（11 月 17 日）
3开发一个带 AI 模块的全栈网页应用第 14 周（12 月 8 日）
4实证论文复现期末（具体日期待定）
课上先做相近案例，再把方法迁移到自己的问题。
课程实施方案 · 2026 秋
I课程与考核

期末项目 50%：评价什么

小组共同分
问题定义与验收标准
系统设计与课程方法
功能完成与可复现性
数据、引文与关键结论准确性
评估、测试与迭代
独特性与场景迁移
现场展示与小组答辩
个人分
实质贡献与可追溯成果
个人掌握与现场解释
个人复盘与责任说明
小组与个人的具体比例、
各项权重待定。
确定后公布。
课程实施方案 · 2026 秋
I课程与考核

四次作业的通用量表

任务定义

目标、使用者、输入、约束、产物与验收标准是否清楚

最终成果

是否完成核心功能，结果是否可用

数据与证据

数据、引文和关键事实是否准确，是否能回到来源

过程与迭代

是否发现问题、解释原因并完成有依据的修改

可复现性与文档

他人能否根据材料运行或检查成果

独特性与迁移

是否有自己的问题、资料、判断或改进，而不是通用模板的一键输出

每次先按 100 分评，再折算为总评的 10 分。
课程实施方案 · 2026 秋
I课程与考核

能用 AI，但要交过程证据

I

关键会话

3–5 个完整会话
体现规划、错误诊断
与关键修改

II

决策日志

记录你接受、修改
或拒绝了哪些
AI 建议

III

可核验证据

Git 提交、文件版本
与实际运行结果
能回到具体产物

记录的是「你作了什么判断」，不是「你问了多少次」。
课程实施方案 · 2026 秋
I课程与考核

期末怎么组队

W11–12

组队

第 11 周开始
第 12 周确定
每组 4–5 人

W14

一页方案

明确使用者
真实资料
验收标准

W15–16

项目咨询

每组一次
10 分钟
检查范围与可行性

W17

展示答辩

6 分钟展示
3 分钟答辩
1 分钟切换

展示前至少 1 天交全套材料；答辩会随机指定成员回答。
课程实施方案 · 2026 秋
I课程与考核

学术诚信红线

I

错了扣分

普通数据与引文错误
在「数据与证据」
维度扣分

II

查不到，补核验

关键数据无法溯源
引文不存在、无法复现
该维度不得评高分

III

编造，诚信处理

故意编造数据、来源
或运行记录
按学校规定处理

成品、来源与运行记录，都需要核验。
课程实施方案 · 2026 秋
I课程与考核

学期日历

学期日历的信息图
第 11 周开始组队，第 12 周确定；第 12 周起由张一帆主讲。
课程实施方案 · 2026 秋
I课程与考核

同样的任务，什么时候跑

DeepSeek V4-Flash高峰空闲
输出9.04.5
输入：缓存未命中3.01.5
输入：缓存命中0.100.05
单位：元 / 百万 token。高峰：北京时间周一至周五 9:00–12:00、14:00–18:00。
下午班全程高峰；晚上班全程半价。
先小规模试跑，再放大；批量任务可安排到晚上或周末。
DeepSeek 官方定价页 · 2026-09-07 ↗
PART II · 智能体的发展与能力

再看：智能体如何发展与落地

I

课程与考核

学什么，怎样算学会？
目标：能力与方法
学习：课堂与练习
评价：作业与项目
II当前部分

智能体的发展与能力

从哪里来，能做到哪一步？
发展：从语言到行动
能力：成绩与可靠性
选择：工具与模型套餐
III

反思人与 AI 分工

AI 越能干，你该练什么？
选题：什么值得做
判断：理解与核验
积累：品味与上下文
IV

环境准备与上机

亲手完成可验收的任务
装环境：工具与模型
做任务：文件与修改
验结果：清单与排错
先看能力怎样发展，再看有哪些工具与模型可以用。
学习要求 → 工具能力 → 人的投入 → 上机实践
II智能体的发展与能力

会下棋，但不会做事

1970s–1980s · 专家系统

  • MYCIN 诊断感染，XCON 配置设备
  • 智能体 = 一套人写的规则
  • 复杂领域：规则冲突与维护成本上升

2013–2017 · 强化学习

  • DQN 玩 Atari，AlphaGo 下围棋
  • 智能体 = 自己学出来的策略
  • 人不再逐条编写规则
两代方法都擅长封闭环境：离开这个环境，怎么办？
MYCIN / XCON；DQN（2013）、AlphaGo（2016）、AlphaGo Zero（2017）
II智能体的发展与能力

为什么没有「AlphaGo for 白领」

为什么没有「AlphaGo for 白领」的信息图
谁来告诉智能体「做对了」？验收标准，就是给任务造裁判。
强化学习与可验证的任务环境
II智能体的发展与能力

会说话，但碰不到世界

很聪明，但只有嘴。
它说，你做——人还在替它连接现实世界。
GPT-3（2020）；InstructGPT（2022）；李学恒，本科生科研讲座（2026-07）
II智能体的发展与能力

给大脑装上手：工具使用

给大脑装上手：工具使用的信息图
工具让模型采取行动；根据结果，继续推理、修改或完成任务。
Yao et al., ReAct · ICLR 2023；图中营收数字为示意 ↗
II智能体的发展与能力

AutoGPT：为什么起来，又退潮

跑几步就偏

当时的模型撑不起长链条任务

上下文塞不下

项目与历史信息很快超出窗口

每一步都贵

循环不断消耗调用预算

做对了没有？

缺少可靠的验收信号

人要提供：验收标准、中断机制、成本约束。
AutoGPT（2023）；Ars Technica 同期报道
II智能体的发展与能力

编码智能体为什么落地

编码智能体为什么落地的信息图
模型够强是前提；自动验收信号与犯错代价，决定它先在哪落地。
MCP（2024-11）；Agent Skills（2025-10）
II智能体的发展与能力

网页聊天时代 → 智能体时代

网页聊天时代

  • 很聪明，但只有嘴
  • 它说方法，人来执行
  • 主要在问答窗口里工作

智能体时代

  • 有手有脑，能交付文件
  • 给一个目标，细节方法由它补全
  • 从开发者终端走向白领桌面
本课先练「看得见的手」：逐步看见它做什么，随时可以叫停。
大众端的门槛在降，专家端的复杂度在升。
Claude Cowork（2026-01）；OpenAI Frontier（2026-02）
II智能体的发展与能力

从写操作手册，到建设上下文

会随模型变强而贬值

  • 通用的思考与规划流程
  • 替当前模型补短板的方法
  • 具体软件的操作技巧

仍需要写清楚

  • 确定性的工具协议
  • 高风险操作的安全边界
  • 必须通过的验收门槛
Forget about skills. Time to build context.
李学恒，「Forget about skills. Time to build context」（2026-07）
II智能体的发展与能力

12 小时任务，一半成功率

12小时

人类专家完成这些任务所需的时间。
Claude Opus 4.6 的成功率为 50%。
这是任务跨度，不是智能体运行时长。

188 天
2019 年以来的倍增周期
129 天
2023 年以来
89 天
2024 年以来
「能做」和「可靠地做」是两件事：另一半会失败。
J.P. Morgan 2026 年中展望，引 METR · 数据截至 2026-03
II智能体的发展与能力

编程与办公任务：成绩怎样变化

主要模型厂商在函数编写、代码修复和办公交付评测中的历年成绩
从生成一段代码，到交付可验收的工作成果。
HumanEval、SWE-bench Verified、GDPval 官方论文与模型报告 · 数据截至 2026-08
II智能体的发展与能力

一个主体工具，兼顾方法迁移

考核看任务设计、证据质量、系统结构与迭代能力。
课程实施方案 · 2026 秋
II智能体的发展与能力

中外智能体工具对比

中外智能体工具对比的信息图
本课主用 Claude Code + 国产模型 API。
工具官方文档与定价页 · 2026-09-07
II智能体的发展与能力

三个开源智能体，各做什么

I

OpenCode

编码智能体
终端里的项目工作
Claude Code 的备用

II

Hermes Agent

会记忆的常驻助理
随时待命、长期协作
第 11 周专讲

III

OpenClaw

聊天软件里的助理
常驻网关、消息入口
本课了解其定位

都可接入多家模型；项目规则、工具与核验方法可以迁移。
OpenCode / Hermes Agent / OpenClaw 官方仓库 · 2026-09-07
II智能体的发展与能力

国内模型套餐：价格与额度

平台入门档 · 元 / 月中档 · 元 / 月高档 · 元 / 月
MiniMax
Token Plan		Plus · ¥49
约 6 亿+ token / 月*		Max · ¥119
约 18 亿+ token / 月*		Ultra · ¥469
约 71 亿+ token / 月*
智谱 GLM
Coding Plan · 积分		Lite · ¥118
2 千 / 5h · 1 万 / 周		Pro · ¥538
1.2 万 / 5h · 6 万 / 周		Max · ¥1078
2.8 万 / 5h · 14 万 / 周
Kimi 会员
含 Code · 共享额度		Andante · ¥49
约 30 次 Agent / 月*		¥99 / ¥199
约 60 / 150 次 Agent / 月*		Allegro · ¥699
约 360 次 Agent / 月*
阿里百炼
Token Plan · Credits		Lite · ¥39（常规 60）
2,500 / 7 天		Standard · ¥139（常规 180）
10,000 / 7 天		Pro · ¥499（常规 600）
40,000 / 7 天
DeepSeek：无包月档位，充值后按输入、输出 token 计费。
* MiniMax 与 Kimi 为官网月度用量估算，不是保证额度；还受 5 小时和周限额约束。
百炼显示限时价及常规价。会员额度与按量 API 分开；按自己的任务试跑、查看消耗。
各平台官方套餐页 · 2026-09-07；完整档位、重置规则与链接见实操材料
PART III · 反思人与 AI 分工

接着：反思人与 AI 分工

I

课程与考核

学什么，怎样算学会？
目标：能力与方法
学习：课堂与练习
评价：作业与项目
II

智能体的发展与能力

从哪里来，能做到哪一步？
发展：从语言到行动
能力：成绩与可靠性
选择：工具与模型套餐
III当前部分

反思人与 AI 分工

AI 越能干，你该练什么？
选题：什么值得做
判断：理解与核验
积累：品味与上下文
IV

环境准备与上机

亲手完成可验收的任务
装环境：工具与模型
做任务：文件与修改
验结果：清单与排错
执行能力越强，选题、理解、判断与责任越需要自己承担。
学习要求 → 工具能力 → 人的投入 → 上机实践
III反思人与 AI 分工

AI 还差一口气：执行强，选题弱

AI 还差一口气：执行强，选题弱的信息图
AI 越强，前端的「选什么」反而越成为瓶颈。
李学恒，公众号实践（2026-05）；本科生科研讲座（2026-07）
III反思人与 AI 分工

理解不可外包

有一件事 by definition 不能外包：理解。
李学恒，本科生如何用 AI 赋能科研 · 2026-07-14
核心竞争力出现在均衡里

人人能一键生成的，
就是 60 分。

你能一键生成的，别人也能。
所有人都能一键生成的事，不可能成为核心竞争力。
AI 的天花板，就是平庸。
李学恒，本科生如何用 AI 赋能科研 · 2026-07-14
III反思人与 AI 分工

执行归 AI，判断归人

AI 承担的动作

  • 收集信息、分析
  • 制定步骤、执行
  • 自己检查，再改

人保留的动作

  • 定目标、定标准、验收
  • 决定什么值得做
  • 承担错误后果
执行力归 AI；判断力、品味、选题归人。
边界在移动：给大目标，细节方法由它补全。
李学恒，人机协作实践与访谈 · 2026
III反思人与 AI 分工

预算线外移：省下的时间往哪投

预算线外移：省下的时间往哪投的信息图
一边把执行交给 AI，一边把省下的时间还给读书、推演、思考和辩论。
李学恒，本科生科研讲座 · 2026-07-14
III反思人与 AI 分工

一边重度用，一边亲自动脑

不用，也有代价

  • 越不用，越不理解
  • 越不理解，越觉得没必要用
  • 越不用，判断力越弱

好用，也有陷阱

  • AI 越好用，越倾向于不做
  • 判断力退化，越离不开它
  • 越离不开，也越判断不了它
同时做到两件事：重度用 AI，并坚持亲自动脑。
判断力依赖体感；体验是必要条件，不是充分条件。
李学恒，智能体使用与判断力 · 2026
III反思人与 AI 分工

什么会随模型变强而升值

操作指令持续下降

  • 通用流程说明
  • 具体软件的操作技巧

目标理解持续上升

  • 个人背景、数据流与信息流
  • 任务定义、验收标准与判断
模型是公共品，上下文中台是你不断增值的私有资产。
行动能力越强，缺少上下文的代价越大。
李学恒，AI 原生个人上下文中台 · 2026-07—08
III反思人与 AI 分工

证据也这么说

就业缺口 · 19%

22–25 岁、AI 高暴露职业；有经验者未见同样缺口。
Stanford / ADP，2026-08；描述性证据

能力前沿之内与之外

758 名顾问：前沿内质量提高 40%，前沿外正确率下降约 19 个百分点。
Dell’Acqua 等，2026

自感快，实测慢

16 名资深开发者：自认为快 20%，实际耗时增加 19%。
METR 随机试验，2025-07

核验转嫁 · 40%

受访者上月收到过 workslop；平均每份耗 1 小时 56 分处理。
HBR 调查，2025-09

Stanford（2026-08）；Dell’Acqua et al.（2026）；METR（2025-07）；HBR（2025-09）
III反思人与 AI 分工

使用 AI 的三个层次

I

工具使用者

问它、让它写
操作员

II

工具构建者

把重复的活封装成
Skill、脚本
工具匠

III

系统构建者

目录、规则、知识库
代理与评价机制
架构师

三种方式按任务需要组合，不是对人的分级，也不要求依次升级。
共同要求：选对任务、组织 Context、沉淀方法、验收并负责。
李学恒，AI-CEO 课程 · 2026-07
III反思人与 AI 分工

本课的人机分工：三个动作，四次作业

本课的人机分工：三个动作，四次作业的信息图
AI 出初稿，你出签名——签字的人永远是你。
课程实施方案 · 阶段作业量表与过程证据要求
III课程总结

今天带走的三件事

I

会做事的 AI

读文件、用工具、跑任务。
能力在提升，
结果仍需要检查。

II

人负责判断

定目标和标准，
核验数据与证据，
为交付的成果负责。

III

用作品练方法

四次个人作业，
一个期末项目。
留下过程与可复现成果。

接下来：装好环境，完成第一次任务，通过验收。
课程实施方案 · 2026 秋
PART IV · 环境准备与上机

最后：亲手完成一次任务

I

课程与考核

学什么，怎样算学会？
目标：能力与方法
学习：课堂与练习
评价：作业与项目
II

智能体的发展与能力

从哪里来，能做到哪一步？
发展：从语言到行动
能力：成绩与可靠性
选择：工具与模型套餐
III

反思人与 AI 分工

AI 越能干，你该练什么？
选题：什么值得做
判断：理解与核验
积累：品味与上下文
IV当前部分

环境准备与上机

亲手完成可验收的任务
装环境：工具与模型
做任务：文件与修改
验结果：清单与排错
把前面的方法用到一次可检查的任务中。
学习要求 → 工具能力 → 人的投入 → 上机实践
IV上机材料导航

接下来：打开实操材料

01 · 安装

环境安装手册 ↗

按步骤装工具，配置 Claude Code + DeepSeek。

02 · 跟做

课堂任务 ↗

建文件 → 改文件 → 让它复述；亲手核对结果。

03 · 检查

环境验收清单 ↗

逐项打勾，确认能接通模型、能创建文件。

04 · 排错

常见问题 ↗

搜索报错原文，找到对应步骤与处理方法。

05 · 选模型

套餐与官方链接 ↗

比较价格、额度与重置周期；按自己的用量估算。

06 · 反馈

课间问卷 ↗

填写编程与智能体使用经历，帮助安排实操。

按顺序：先安装，再做任务，最后逐项验收。卡住时查《常见问题》。
课程实操材料 · W01