前言：我们如何用 AI 写这本书
面向经管学生、研究者与从业者的 AI 智能体设计教材
《经济金融 AI 智能体设计》前 14 章已经稳定按一条人 + 多智能体协作的管道产出。这份前言把整套工作流讲透 —— 做了什么、谁负责、用了什么工具、哪些坑不该再踩。整套流程不是「让 AI 替你写书」，而是把作者从扩写、复核、统一语序这些消耗精力的事里拔出来，把选题、骨架、判断与拍板留给人。
我们把这套方法直接落在书的写作里 —— 既是教学内容，也是教学方法的示范。读完这一章，你会清楚地看到：本书每一节、每一段都是怎么从一句话大纲推到可读章节的。
方法论概述
写一本经管类 AI 教材，真正的瓶颈不在「懂不懂这门技术」，而在怎么把脑子里的草稿稳定地变成可读的章节。我们用一条五步管道解决这件事：作者先写骨架大纲，writer agent 扩写正文，reviewer agent 在独立 context 做结构与事实复核，reviser agent 只负责语序与一致性，最后由作者从读者视角终审。
每一步都有明确的输入、产出、和会进 git 的工件：outline.md → section-N-draft.qmd → review.md → final.qmd。版本史就是复盘记录，可以一眼看出哪一步出过错、什么时候出的。
协作管道（人 + AI 角色分工）
- ① 骨架大纲 · 作者本人 —— 300-500 字的章节骨架，每小节一句话写「读者要带走什么」，按认知顺序排。这一步绝不交给 agent，结构判断是作者的核心增值。
- ② 扩写正文 · writer agent —— 把小节标题 + 目的 + 素材（论文摘要、数据表、外部链接）丢给 writer，让它写出符合 Quarto 章节风格的初稿。提示里明确读者画像与「绝对不能编造」清单。
- ③ 结构与事实复核 · reviewer agent —— 独立 context 重新读整节，输出
review.md，分「必改 / 建议改 / 待人审」三档，绝不直接改正文。 - ④ 作者改稿 + reviser agent 收尾 —— 作者勾选要改的项，把清单交给 reviser，reviser 只做两件事：落地修改、统一术语与句式。不允许引入新论点、新案例。
- ⑤ 终审 · 作者本人 ——
quarto render出 HTML，只看渲染结果通读一遍，发给 1–2 位真实读者做小范围内审，进入「第一稿」状态。
工具栈
- Claude Code + custom skill —— 把「扩写一节正文」封成
/write-sectionskill，输入小节标题与素材路径，输出.qmd片段。skill 文件进 git，多章节复用。 - DeepSeek / Gemini —— 作为 writer / reviewer 的替代或备份模型，特别用于跨模型校验事实与术语一致性，避免「同模型自我背书」。
- Quarto —— 正文容器：每节一个
.qmd片段，章节级_quarto.yml控制目录与渲染。内嵌 mermaid 流程图、可执行代码块、定理与编号引用 —— 没有自研管道。 - Git + GitHub —— 每一步的工件都进版本库；每个章节一个 branch，PR 合并前要求 reviewer agent 与 1 位真实读者都签字。
质量保障（人审 + AI 审 + 测试）
- 独立 context 复核 —— writer 与 reviewer 必须在不同的 context 里跑。同一个 context 内的 agent 会偏向「维护自己之前的输出」，独立窗口才能读出问题。
- 事实白名单 —— 所有出现的人名、文献、数字、API 调用、库版本逐一核对，疑点标
[待作者确认]而不是擅自改写。 - 代码块可执行 —— Quarto 里的 R / Python 代码块在 CI 中跑一遍，跑不通的不合并。书是给人读的，但代码必须真能跑。
- 读者内审 —— 每章发给 1–2 位真实读者（同事 / 学生 / 同行作者）做小范围内审，回收的修改意见进 git issue。
复盘与教训
- agent 永远不写「什么该出现在书里」 —— 选题与骨架始终在作者手里。把这条规则破坏过的章节后来都要返工。
- reviser 角色严禁引入新内容 —— 这条规矩写在 system prompt 里。如果它越界就重跑，宁可慢一点也不让 agent 偷偷塞私货。
- 不要一口气写 1.5 万字再让 reviewer 读 —— 小节为单位 review，每次 1500–2500 字，反馈才足够具体。
- 书是给人读的 —— 最后一轮一定要从渲染后的 HTML / PDF 看，不要看源文件。节奏、阅读疲劳、图表与正文是否互相印证，这些 agent 看不出来。
相关阅读
- 第 1 章：智能体与 Vibe Coding 简介 —— 这条工作流背后的核心理念（Effective Vibe Coding）来自这一章。
- 第 8 章：多智能体基础（子代理） —— 本前言提到的 writer / reviewer / reviser 角色分工，正是子代理协作的应用范例。
- 教学资源 —— 可下载的 prompt 模板、Quarto 章节模板与协作工作流模板。
- 课程大纲 —— 《经济金融智能体设计》课程的章节与学习路径安排。
下面是这本书的整体定位、结构与读法 —— 你可以选择继续读下去，也可以直接跳到感兴趣的章节。
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。编程门槛因此大幅降低，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
全书的主线分为五个部分：
总原则（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。
概念与方法（第 4-14 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、智能体知识库设计、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。
业务场景实战（第 15-17 章） 面向日常业务场景：自动化办公工作台、金融多源知识库开发实战、多智能体投研系统。重点是让读者把同一套设计方法迁移到不同的业务任务中。
科研场景实战（第 18-20 章） 面向学术与研究场景：文献综述智能体系统、AI 原生知识管理系统、AI 智能体与经济学实证研究。让读者在科研工作流中实践智能体设计方法。
常驻智能体（第 21-23 章） 从项目级智能体走向常驻智能体管家，介绍 OpenClaw 的安装部署、架构配置与实战调度。
五部分的递进关系很清楚：总原则负责打底，概念与方法建立方法框架，业务场景实战和科研场景实战把这些方法放进不同任务中反复迁移和验证，常驻智能体则将能力从项目延伸到日常。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 18-20 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 15 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（自动化办公工作台）。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 18-19 章。重点掌握任务规划、子代理协作、上下文管理，以及文献综述与知识管理场景的系统搭建。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。