AI 应用能力不是一步到位的，它通常沿着「提示词—工作流—智能体」三层路径进阶，每上一层，解决问题的能力就更接近业务场景。

第一层：提示词（Prompt）

提示词是与大模型交互的基础能力。这一阶段的学习者能够把需求转成清晰、可执行的指令，让模型写出文案、整理资料、生成代码片段。提示词工程看起来门槛低，但高质量的提问需要结构化思维与领域知识支撑，是后续所有能力的地基。

  • 学会描述任务：说清目标、背景、约束与期望输出。
  • 学会调试：根据输出质量调整指令，理解模型行为。
  • 积累模板：把高频场景沉淀成可复用的提示词资产。

第二层：工作流（Workflow）

当任务需要多个步骤或调用多个模型能力时，单纯靠提示词就不够用了。这一阶段要把任务拆解成环节，用工作流把「输入—处理—输出」串起来。常见的做法包括接入知识库实现 RAG、配置多步处理逻辑、让不同模型各司其职。掌握工作流意味着开始具备「搭建 AI 应用」的初步能力，也是从「使用者」向「开发者」转变的关键一步。

第三层：智能体（Agent）

智能体进一步把工作流升级为可自主决策的系统：它不仅能按固定流程执行，还能根据环境信息动态选择工具、调用接口、做多轮任务规划。智能体开发涉及需求分析、工具调用、状态管理、异常处理与部署运维，这也是智能体工程师的主要能力范围。

360ADE 智能体工程师认证按照能力层级设置了智能体工程师（ADEA）、智能体高级工程师（ADEP）、智能体专家（ADEE）三个等级，正好对应这条进阶路径：ADEA 侧重掌握智能体开发基础与简单场景实现，ADEP 要求能独立完成复杂智能体项目，ADEE 则覆盖多智能体协作与工程化落地。对学习者来说，这条路径既是学习地图，也是检验进度的标尺。

如何一步步往上走

  • 先练熟提示词：用具体的业务问题反复练习，建立与大模型的协作手感。
  • 再做小工作流：选一个真实痛点，用 RAG 或工具调用搭出第一个 AI 应用。
  • 再挑战完整智能体：把应用升级为能自主决策、可部署上线的系统，并沉淀项目文档。
  • 用认证校验进度：在合适的节点参加对应等级考试，把学习成果转化为可证明的能力。

零基础学 AI 的人不必焦虑一开始不会编程，提示词阶段完全可以从无代码工具开始；随着能力层级上升，再逐步补充开发知识。企业 AI 培训同样可以按这个路径设计，先普及、再专项、后进阶。

提示词写得好还需要学智能体开发吗？

取决于目标。如果只想用 AI 提效，提示词已经够用；如果想从事 AI 岗位或独立交付应用，还需要继续学习工作流与智能体开发。

零基础直接学智能体开发能学会吗？

能，但建议按提示词、工作流、智能体的顺序循序渐进，避免跳跃式学习带来的基础不牢；认证的入门等级 ADEA 就是为零基础学习者设计的。

企业最需要哪一层的能力？

不同阶段需求不同：全员普及需要提示词能力，业务提效开始需要工作流能力，规模化落地则依赖智能体开发人才，这也是企业 AI 人才梯队常按三层设置的原因。