AI 工具推荐 Agent 展示版项目说明

AI 工具推荐 Agent 展示版项目说明

项目名称

AI 工具推荐 Agent：本地规则型 MVP + Coze 对话式版本

一句话介绍

这是一个面向 AI 应用助理、AI 工具运营、智能体运营等岗位的作品项目：用户输入岗位和任务场景后，Agent 推荐合适的 AI 工具组合，并给出推荐理由、执行步骤、替代方案、注意事项和验证动作。

为什么做这个项目

很多非技术同事知道 AI 工具很多，但不知道具体工作里应该先用哪一个，也不知道如何判断工具是否适合当前任务。

这个项目把“AI 工具选择”拆成一个可执行流程：

• 识别用户岗位和任务场景。
• 判断中文体验、预算、上手难度、企业场景等限制条件。
• 从工具标签库中推荐 Top 3 工具。
• 输出使用建议、替代方案和风险提醒。
• 用测试记录验证推荐是否合理。

项目演进

阶段一：本地规则型 MVP

目标：先验证底层推荐逻辑是否成立。

实现方式：

• 使用 HTML、CSS、JavaScript 做出可运行网页。
• 通过岗位、任务、成本、中文体验、上手难度等字段收集需求。
• 建立 AI 工具标签库。
• 用规则匹配方式输出 Top 3 推荐工具。

阶段价值：

• 把模糊的“推荐 AI 工具”变成可运行页面。
• 先验证推荐字段、工具标签和输出结构。
• 为后续迁移到 Coze 提供清晰的逻辑基础。

阶段二：Coze 对话式版本

目标：把固定表单升级为自然语言对话，让它更接近真实工作场景。

实现方式：

• 在 Coze / 扣子中创建「AI 工具推荐助手」。
• 选择单 Agent（自主规划模式）。
• 使用豆包 1.8 深度思考模型进行预览调试。
• 编写人设与回复逻辑，要求 Agent 根据岗位、任务和限制条件推荐工具组合。
• 增加输出边界，避免编造价格、额度、准确率、平台能力等未验证信息。
• 已发布到扣子商店，并通过平台审核。

阶段价值：

• 用户可以直接用自然语言描述需求。
• 输出不只是工具列表，而是完整推荐方案。
• 能体现智能体配置、提示词优化、测试记录、岗位风险判断和边界控制能力。

当前测试结果

| 编号 | 场景 | 推荐结果 | 判断 |

|---|---|---|---|

| T001 | AI 应用助理 + 办公提效 / 文档处理 | 豆包、Kimi、DeepSeek | 通过 |

| T002 | 智能体运营 + 企业内部知识库问答 Agent | Coze、Dify、通义千问智能体平台 | 通过 |

| T003 | AI 工具运营 + 分岗位工具推荐与说明整理 | 豆包、Kimi、Coze/扣子 | 通过 |

| T004 | 内容运营 + 短视频脚本 / 选题 / 文案 | 豆包、通义千问、DeepSeek | 通过 |

| T005 | 客服/售前 + 客服回复 / 话术库沉淀 | 通义千问、豆包、Dify | 通过 |

| T006 | 真实 Agent 工程师 JD 匹配测试 | 不建议直接投递；推荐智能体运营、AI 工具应用支持、低代码智能体搭建助理 | 通过 |

| T007 | 电商 Agent 岗位可挑战匹配测试 | 可挑战匹配；建议试投并补电商售后智能体 MVP | 小修通过 |

关键优化

测试过程中发现，Agent 初版容易出现“说得太满”的问题，例如承诺具体免费额度、上传字数、搭建时间、准确率或平台能力。

后续在人设提示词中补充了约束：

• 不编造价格、额度、上传字数、次数和覆盖率。
• 涉及平台能力时，以官方说明和实际测试为准。
• 企业知识库场景必须提醒先做资料脱敏。
• 推荐理由避免使用“完全匹配、稳定、无缝、极低门槛”等营销化表达。
• 每次输出必须提供验证动作，方便判断推荐是否靠谱。
• 真实 JD 匹配必须结合用户背景；如果岗位明显偏强开发，需要提示匹配风险，不能强行包装。
• 岗位匹配不是逐条对 JD，而是同时看方向、成长性、已有证据、短板是否可补、是否符合长期 AI 应用主线。
• 输出匹配结论时不使用“完全匹配”，而是使用“低匹配、基础匹配、可挑战匹配、高价值匹配”等更接近真实求职策略的等级。

可展示证据

• 本地网页 MVP：ai-tool-agent.html
• 本地测试记录：AI工具推荐Agent_测试记录.md
• Coze 版测试记录：AI工具推荐Agent_Coze版测试记录.md
• Coze 公开体验链接：https://www.coze.cn/store/agent/7651195158755246080?bot_id=true
• Coze 配置截图：coze-screenshots/coze_agent_test_overview.png
• Coze 发布截图：coze-screenshots/coze_publish_success.png
• 面试讲稿：AI工具推荐Agent_面试讲稿.md

面试表达

我不是一开始就直接做 Coze，而是先做本地规则型 MVP。原因是我想先把工具标签、需求字段和推荐逻辑验证清楚。如果底层判断标准不清楚，直接做智能体很容易变成泛泛而谈。

本地 MVP 跑通后，我再迁移到 Coze，把固定表单升级为对话式 Agent，并用 7 个场景测试输出效果。测试过程中我发现 Agent 容易夸大工具能力，也容易在不了解用户背景时直接给岗位建议；后来又补充了“可挑战匹配”的判断标准，让它能识别有成长性、可试投、可通过补作品增强匹配度的岗位。当前 Coze 版本已发布到扣子商店并通过审核。

这个项目体现了我把 AI 工具理解转化为可运行、可测试、可展示作品的能力。

下一步

• 再加入 2-3 条目标岗位真实 JD，重点测试 AI 工具运营、智能体运营、AI 应用助理方向。
• 规划电商售后智能体 MVP，补齐电商场景、RAG、JSON 参数和工具调用证据。
• 邀请 1-2 位非技术用户试用，收集易懂性和可执行性反馈。
• 后续探索 Dify 知识库 / RAG 版本，让工具推荐不只依赖提示词，还能结合结构化知识库。