第一次使用 AiPy Pro 时，不少人会遇到一个有点奇怪的情况：明明已经把需求告诉 AI 了，为什么还要去集市安装智能体？Skills 是不是另一种提示词？MCP 又是什么，难道还要额外安装一个 AI？

如果只是想找个工具处理文件，这些名词确实很容易把人绕晕。

但把它们放回实际任务中，就没有那么复杂了。你可以先记住一句话：智能体偏向某类任务的专门能力，Skills 负责封装可复用的任务方法，MCP 则提供连接外部工具和数据的标准接口。 三者不是同一种东西，也不一定需要同时使用。

下面不从技术术语开始，而是从三个更接近日常工作的场景说起。

一、先分清一个前提：你要的是回答，还是交付结果？

假设你手里有十几份 Excel 文件，想把它们合并起来，按部门统计销售额，再输出一份可以继续编辑的汇总表。

这时，你真正需要的不是一段“可以使用 Python 合并 Excel”的建议，而是一份已经生成、能够打开检查的文件。

AiPy Pro 的官方使用手册区分了问答模式与任务模式：问答模式用于回答问题；任务模式则可以编写程序、调用 Skills 等能力，执行表格处理、HTML 生成、PPT 制作、图片生成等任务，并交付结果。两种模式的目的并不相同。

所以，遇到“帮我分析一下为什么销售下降”这类问题时，可以先让 AI 解释思路；遇到“读取这批文件、汇总数据并导出结果”时，就应当把任务目标和交付要求写清楚，使用适合执行任务的模式。

这个区别听起来简单，却能避免一种常见误会：AI 回复了一大段操作建议，并不代表它真的完成了操作。

二、智能体、Skills、MCP：可以把它们理解成三种不同角色

1. 智能体：面对特定任务的专业能力

如果你需要制作一份 PPT、生成一张宣传图，或者识别图片中的文字，通用对话能力未必是最合适的入口。针对这些任务，AiPy Pro 集市提供相应的智能体应用或能力扩展。

官方手册给出的例子很直观：需要制作图片时，可以选择“图片生成”或“平面与广告设计”等相应智能体；需要制作 PPT，可以使用“AI PPT智能生成”智能体。

为什么要专门选择它们？

因为“完成任务”不只是理解一句话，还涉及应该采用什么方法、怎样组织内容，以及如何把结果输出成适合使用的形式。专门的任务能力可以把其中一部分流程组织起来，减少每次从头描述的成本。

可以把智能体理解成一位更熟悉某类工作的“专项同事”。你告诉它目标，再提供必要的素材和要求，它就能围绕这类任务展开工作。

当然，选择了智能体，不等于结果一定完美。素材是否完整、要求是否具体、模型是否适合任务，仍然会影响最终效果。

2. Skills：把一套做事方法保存下来，方便重复使用

有些任务不需要一个独立的操作界面，却需要遵循固定的流程。

例如，每周都要整理一次运营数据：先读取原始文件，再清理缺失值，统一字段格式，统计关键指标，最后生成摘要和结果文件。下周还会做同样的事，只不过输入文件换了。

每次都把这些步骤重新写一遍，显然很麻烦。

Skills 的作用，就是把任务指令、流程、输出格式和相关约束封装成可复用的能力模块。这样，在合适的任务中就能加载对应技能，而不必每次从零开始说明全部规则。

它和临时提示词有什么区别？

提示词通常用于描述眼前这一次要做什么；Skill 更像一份可以重复调用的工作规范。前者解决“这次请做什么”，后者帮助明确“这类事情通常应该怎么做”。

例如，你可以提出一个一次的要求：

把本次文件中的日期统一成 YYYY-MM-DD 格式，按照部门统计金额，并输出汇总文件。

而对于经常重复的业务，可以把标准的字段处理方式、统计口径、文件命名规则和交付格式整理成可复用的 Skills。下次处理同类任务时，再让 AiPy Pro 调用它。

需要注意，Skills 不是自动保证正确的魔法按钮。假如原始数据口径变了，旧流程也可能不再适用。重复使用之前，仍然应检查规则是否与当前任务一致。

3. MCP：让 AI 按标准方式连接外部工具和数据

第三个词 MCP，听上去最像开发者专用概念。

MCP 的全称是 Model Context Protocol，即模型上下文协议。它是一种用于连接 AI 应用与外部数据源、工具的开放标准。在 AiPy Pro 中，用户可以配置相应的 MCP 服务，让任务调用这些服务提供的能力。

它与前两者的区别在于：MCP 更关注“连接到什么能力”，而不是单独规定一整套任务工作流程。

举个例子，你希望 AI 整理某个主题的近期公开信息，再把结果归纳成一份报告。如果任务需要访问实时网络数据，就需要考虑联网搜索等能力。AiPy Pro 官方手册介绍了相关联网搜索功能，也说明用户可以配置其他 MCP 服务。

不过，有连接能力不等于可以不受限制地访问所有信息。具体能调用什么，取决于服务本身提供的能力、账号和权限配置，以及任务中是否启用了对应工具。

如果某个 MCP 需要 API Key，也不能随意把密钥写进公开文档或发送给无关的人。配置前先确认服务来源、访问权限和可能产生的费用，比一味追求“工具越多越好”更重要。

三、用三个具体任务，看看该怎么选

说了这么多概念，回到实际操作。下面用三个常见场景说明选择思路。

场景一：把一批 Excel 文件整理成可交付的汇总表

你的需求可能是这样的：

请读取指定文件夹中的销售数据，统一日期和部门名称，检查金额字段是否存在无法识别的值，再按部门和月份统计销售额。请生成一份新的 Excel 汇总文件，并附上异常数据清单。不要覆盖原始文件；对于无法判断的数据，请单独列出，不要自行猜测。

这类任务的核心是数据读取、转换、计算和文件输出。可以先使用 AiPy Pro 的任务模式，明确输入路径、处理规则和交付格式；如果已有适合该业务的 Skill，也可以让任务调用它。

这里最重要的并不是堆砌术语，而是把验收条件说清楚：原始文件保留、异常行可追溯、汇总口径明确、输出文件能够打开。

任务完成后，也不要只看 AI 的一句“已完成”。打开结果文件，核对记录数、金额合计和异常数据，才能确认它是否真的符合要求。

场景二：做一张图，而不是让程序“画出一张图”

假设你要制作一张活动宣传图，要求有标题、主视觉、活动时间和清晰的文字排版。

如果只是说“帮我做一张好看的宣传图”，AI 可能并不清楚你想要什么风格，也不知道哪些信息必须出现。

更有效的做法是先补充画面用途、尺寸、主标题、配色倾向、必须保留的文字，以及不能出现的内容，然后选择适合的图片生成或平面设计智能体。

AiPy Pro 官方手册专门提醒过：需要生成图片时，应优先选择相应的图片生成或平面设计能力；否则，系统可能采用编写 Python 脚本等其他方法处理，未必能得到理想的视觉结果。

这也说明一件事：AI 并不是每次都会自动选中最适合的工作方式。遇到视觉创作、PPT 等有明确专业输出要求的任务，主动选择对应能力，往往比反复修改一句笼统的提示词更有效。

场景三：收集近期信息，再形成一份资料摘要

如果你需要整理某个主题近期公开发布的信息，可以先判断任务是否依赖实时网络内容。

如果依赖，就要考虑联网搜索工具或适用的 MCP 服务；如果只是总结已经提供的文件，则不一定需要额外连接外部服务。

这类任务可以明确写出信息范围、时间范围、来源要求和输出形式，例如：

请整理近一周公开发布的相关信息，按发布时间列出标题、来源和主要内容。无法核实的信息请标注待确认，不要把推测当作事实。最后归纳三条值得进一步关注的变化，并附上可访问的原始来源。

这样的描述比“帮我研究一下这个行业”更容易验收。尤其是涉及近期信息时，来源是否真实可访问、日期是否准确、摘要有没有超出原文，都应该作为检查项目。

在使用外部服务前，还应确认服务是否已正确配置，以及任务是否获准访问对应的网络资源。

四、在 AiPy Pro 里，怎样开始使用这些能力？

理解区别之后，可以按下面的顺序操作。

第一步：先写清楚任务。

不要急着打开集市。先确认自己究竟要得到什么：一份汇总表、一张图片、一份 PPT，还是一份带有来源的资料摘要。

第二步：判断是否需要专门能力。

普通文件处理可以先尝试直接下发任务；需要专业视觉输出时，优先考虑相应智能体；任务依赖外部数据或服务时，再检查是否需要联网工具或 MCP；有重复业务流程时，可以考虑适合的 Skills。

第三步：在集市中安装或调用。

根据 AiPy Pro 官方使用手册，集市中的能力分为不同类别：带界面的应用、没有独立界面的工具，以及在任务过程中加载的技能。可以从集市安装，也可以通过对话框中的“/”唤起工具或技能选择；还可以在任务描述中明确指出要使用哪项能力。

例如，可以直接写：“使用‘AI PPT智能生成’智能体，根据我上传的文档生成一份面向管理层的汇报 PPT。”

如果设置中的“自动选择智能体”已经开启，也可以先让系统尝试匹配合适的能力。遇到结果不符合预期时，再检查所选能力是否合适。

第四步：检查执行过程和结果。

AiPy Pro 的任务执行区可以查看任务过程及相关代码，工作任务区可以管理任务，工作目录则保存任务过程中产生的文件。对于需要长期复用的工作，也可以按项目建立工作空间，便于把相关任务集中管理。

这一步很容易被忽略，但它能帮你分清两件事：AI 是否执行了任务，以及执行结果是否真正达到了要求。

五、别因为工具很强，就忽略权限和安全

让 AI 从“给建议”走向“执行操作”，也意味着它可能接触文件、命令和网络资源。因此，工具能力越丰富，越应该提前设置边界。

AiPy Pro 官方手册介绍了工作空间的文件、命令和网络安全策略，以及安全中心中的沙盒、访问规则和操作日志等设置。具体功能应以当前安装版本和实际配置为准；有相应功能，并不意味着所有限制都已自动开启。

对日常使用来说，可以先做好几件事：重要文件先备份；测试时优先使用副本；对批量修改、删除等操作设置清晰的范围；涉及敏感数据时，先确认模型调用方式、网络访问权限和组织要求；对外发送文件或执行不可逆操作前，保留人工确认环节。

尤其要注意，“在本机处理文件”“通过本地执行代码”和“所有数据完全不离开本机”并不是同一个概念。实际数据流向还取决于模型接口、联网工具和具体配置。对于有明确数据边界要求的工作，应以实际配置和验证结果为准，不能只看某个功能名称就认定符合要求。

六、几个新手常问的问题

Q：已经写好提示词了，为什么还要安装 Skill？

如果只是一次的简单任务，直接写提示词可能就足够了。Skill 更适合封装需要反复使用的流程和规范。是否值得安装，取决于任务复杂度和复用频率。

Q：MCP 是不是一种大模型？

不是。MCP 是连接 AI 应用与外部工具、数据的协议标准。具体能调用哪些能力，取决于配置的服务及其权限。

Q：为什么 AI 能回答问题，却没交付我需要的文件？

先检查是否进入了任务模式，而不是仅进行问答；再确认输出文件的类型、保存位置和具体要求是否写清楚。

Q：安装的智能体越多，效果就一定越好吗？

不一定。能力数量并不等于任务质量。对于眼前这项工作，选到适合的能力、给足必要信息、把验收条件写清楚，比安装大量暂时用不到的工具更重要。

最后：别从工具名称出发，从工作目标出发

理解 AiPy Pro，不需要一开始就掌握所有技术名词。

你只需要先想清楚三件事：这次要完成什么任务，是否需要专门的任务能力，是否需要连接外部工具或数据。普通任务可以直接开始，重复流程可以考虑 Skills，专业输出可以选择相应智能体，涉及外部连接时再配置适合的 MCP。

工具负责提供能力，任务描述负责明确目标，验收负责确认结果。三者配合起来，AI 才更容易从“看起来懂了”，走到“确实做完了”。

注：不同版本的界面、可安装能力和配置项可能有所差异，请以当前版本及官方说明为准。