从“调AI”到“养AI”：用抽屉助手3分钟打造一个会学习成长的专属Agent

同样是每天用 AI，有的人越用越顺手，有的人越用越觉得 AI 不懂我。差距往往不在模型，而在于你是在反复调一个通用对话框，还是在养一个懂你工作上下文的专属 Agent。

一、为什么你需要自己的 Agent

我们和大模型常见的协作方式是这样的：每次打开对话框，把任务背景重新讲一遍，把要求的格式重新说一遍，把上次没解决好的边界问题再叮嘱一遍。模型很强，但它没有记忆，也没有你的工作语境。

一个真正能解放生产力的 Agent，应该至少具备三样东西：

1. 稳定的角色设定：它知道自己是干嘛的、用什么口吻说话。
2. 专属的知识来源：它读得懂你公司的术语、你部门的文档、你客户的资料。
3. 可调用的工具集：它不只是说，为了完成任务，有自己专属可以选择使用的工具集。

通用对话框给不了你这三样，但自己造的 Agent 可以。下面这套方法，用抽屉助手 3 分钟就能跑通。

二、在抽屉助手里创建一个 Agent（手把手流程）

整个流程的核心思想是：你只负责描述需求，AI 负责把它翻译成完整配置。

步骤 1：进入左侧 Agent 菜单，点击右上角"创建 Agent"

打开抽屉助手左侧的 Agent 菜单，在右上角找到「创建 Agent」按钮。

这里有个细节值得说一下：抽屉助手的 Agent 不是"一个对话框"那种玩具，而是一个带身份、带能力、带知识库、带工具的独立实例。你之后可以同时养好几个，按工作场景切换使用。

步骤 2：用一句话描述你想要的 Agent

弹出的 Agent 创建面板里，不需要你懂任何技术词汇，只要用大白话描述你的需求。例如：

• “帮我把客户发来的合同挑出风险条款，并按我们公司的口径给出修改建议”
• “每天早上看一遍行业公众号，整理成 3 条要点发我”
• “一个懂 Vue3 的代码 review 助手，挑出潜在 bug 和性能问题”

点提交后，抽屉助手会调用你自己配置的大模型 API（这点很重要——数据走的是你自己的密钥，不是平台代发的）来做两件事：

1. 本地能力推荐：基于关键词在你描述里扫一遍，先框定大致能力范围。
2. AI 生成完整草稿：写好名字、系统提示词（system prompt）、欢迎语、推荐能力标签、推荐知识库。

如果后端 AI 临时不可用，它会自动降级到本地逻辑继续生成，不会让你卡在空白页。

步骤 3：预览 AI 草稿，微调能力标签

这一步是关键。AI 生成的草稿会展示出来，你可以逐项检查和调整。

抽屉助手把"技术细节"封装成了 16 个用户友好的能力标签，你看到的是中文名称，而不是底层命令。

每个标签背后，抽屉助手会自动映射到三类技术资源：

• Skills：内置技能（比如文档摘要）
• MCP 工具：你已配置的外部 MCP 服务（按关键词自动匹配接入）
• 快捷指令：会一并帮你生成一组默认快捷按钮（如"审合同"“查条款”）

你可以保留 AI 推荐的组合，也可以按需勾选增删。点击"显示技术详情"还能展开看具体的 skill 和 MCP 配置，这点对小白是中文选项，对极客是透明底层。

步骤 4：绑定知识库，一步决定 Agent 的"专业度"

这是把通用模型变成"专家"的关键一步。系统会根据你的描述和能力标签，自动从你已经建好的知识库里挑出匹配度高的几个，并给出匹配分数和理由，例如：知识库「公司合同模板库」 — 匹配度 95%、理由：描述中提到了"合同"，与所选能力相关。

选中后，这个 Agent 在回答问题时就会优先检索这些知识库，而不是凭模型记忆瞎编。一个绑定了正确知识库的 Agent，专业度显著高于通用对话框。

步骤 5：创建，开始对话

点「确认创建」，几秒钟后 Agent 就会出现在你的 Agent 列表里。每个 Agent 都有自己独立的对话入口、欢迎语和快捷指令面板。

到这里，你的第一个专属 Agent 就诞生了。但这只是开始，Agent 真正的价值在"养"。

三、让 Agent 持续进化的 5 个习惯

一个 Agent 创建时的状态，相当于一个新员工入职第一天的状态。它能不能成长为骨干，看你怎么持续喂它。

习惯 1 ｜持续更新知识库（喂资料）

Agent 的上限，基本等于它所能看到的知识库的厚度。你可以每隔一段时间，把以下内容沉淀进对应知识库：新的行业资料、产品文档、规范文件。你和它对话中产生的优质问答（值得作为参考样本的）。公司新出的模板、SOP、术语表等资料。

知识库内容越完善、内容质量越干净，Agent 的回答越靠谱。

习惯 2 ｜迭代系统提示词（调性格）

用一段时间你会发现 Agent 的某些回答方式不合你意，比如太啰嗦、缺少组织结构、回答风格不符合你的要求。这时候不要忍，可以继续改 agent 的提示词。

你每改一次，对于 agent 就是一次培训。在 Agent 菜单里直接编辑，然后保存即可，不需要重建。

习惯 3 ｜按需扩展 MCP 工具

MCP 是让 Agent 真正能动手的接口，查数据库、调内部 API、操作外部服务。抽屉助手支持你在系统里配置 MCP 服务器，然后在 Agent 里关联。比如写代码的 Agent 可以接 GitHub MCP；做运营的 Agent 可以接微信公众号、飞书表格 MCP；做分析的 Agent 可以接数据库的 MCP。

工具一加，Agent 就从"会说"变成"会做"。

习惯 4 ｜用快捷指令固化高频工作流

每个高频场景都值得沉淀成一个快捷指令，后期可以一键触发，省掉每次重新描述。

例如合同审查 Agent 可以配这几个：快捷指令「审合同风险」，指令模板：“请帮我审查这份合同的风险点”；快捷指令「查条款」，指令模板：“这个条款有什么问题吗？”；快捷指令「出修改建议」，指令模板：“按我们公司口径，给出修改建议”。

使用时间长了，你的常用工作流会被压缩成几个按钮，使用起来更方便。

习惯 5 ｜用克隆、导出做实验和版本管理

这是很多人忽略的高级玩法，比如：

• 克隆 Agent：想试一个大胆的 prompt 改法，又怕改坏现有的设置？那可以先克隆一份做实验，不行就删。
• 导出 Agent 包：调到一个满意的状态，导出成 json 包，既是版本备份，也可以发给同事直接 import 使用。
• 团队同步：把好用的 Agent 包共享给团队，让大家站在你的肩膀上继续优化。

这套机制让 Agent 不会停在创建时的样子，而是像代码一样可以版本化、可以协作迭代。

结语

总之，Agent 不是工具，是一个会成长的同事。打个比喻，如果通用大模型是公共水源，专属 Agent 就是你家的净水器。

抽屉助手做的事，是把"打造一个 Agent"的门槛压到了一句描述——但真正决定它好用的是你愿不愿意花十分钟去配置知识库、改两版 Agent 的提示词、加几个 MCP 工具。

模型在云端，知识在你本地。 当你把工作上下文一点点沉淀进 Agent，它就不再是一个 AI，而是你能力的延伸、你时间的复利。

打开抽屉助手，从今天开始养你的第一个 Agent 吧。