05 专家数字分身怎样让 AI 用上你的经验

专家处理工作时，常常不只依赖资料。他还会判断先问什么、哪项证据不足、什么条件下应换一种方法。构建专家数字分身，需要把这些与任务有关的做法整理出来，并观察 AI 能否在相应范围内使用。

学习目标：理解专家数字分身需要对应的专业内容，并能区分资料收集与能力实现。

1. 专家数字分身定义简述

专家数字分身，是将某位专家的知识、经验、工作方法和判断标准转化为可调用的 AI 能力，在明确的专业范围内延伸其服务能力的实现。

• 主要技术领域：知识工程、知识管理、个性化 AI。
• 概念性质：专家能力数字化的应用称谓；本专栏强调与某位专家的对应关系。
• 应用方向举例：教育、咨询、教练、专业知识服务。

参考来源：Delphi for Experts，专家知识与能力数字化的产品应用示例。

https://www.delphi.ai/industries/experts

这是本专栏的工作定义，不是统一的行业标准。公开产品中也有将个人知识转化为交互服务的做法。

2. 需要承载什么

图 05 专家方法进入 AI 的过程。原创教学图，表示本专栏的构建建议；用任务结果检查能力的思路参考 [S16]。

教学示例：

程老师审阅课程方案时，会先检查培训要解决的岗位问题，再检查学习目标与活动是否对应，最后判断学员能否产出可检查的成果。

相比只上传他的课程介绍，这套顺序和判断依据更能说明他怎样工作。

本专栏建议至少整理四类材料：

常用知识与案例、处理任务的步骤、关键判断标准、例外情况与处理办法。

材料可以从已有文章和工作成果中提取，也可以通过访谈和共同处理任务逐渐补足。

3. 从已有材料到可调用能力

可以先让 Agent 阅读一份经过脱敏的历史成果，提出它识别到的工作步骤和判断标准，再由专家核对。

不要把 Agent 的归纳直接当作专家原有方法；被误解或未表达清楚的地方，要通过具体例子修正。

随后把确认的内容放入合适的 Agent 配置、知识资料或 Skill，使用新的任务材料运行。技能包可包含指令、脚本和资源，提供一种保存和复用专业方法的形式。[S05]

最后比较结果：它是否正确使用方法，是否识别资料不足，是否会在不适用时给出调整建议。这些检查属于本专栏的教学建议。完成一次配置，并不自动意味着全部专业能力已经转移。

4. 与专家智能体的区别

比较项	专家智能体	专家数字分身
主要关注	特定任务的专业能力	某位专家的专业能力对应关系
方法来源	可整合行业、团队或多位专家	需说明对应专家的方法与材料
评价重点	任务结果是否达到要求	任务质量与专家方法的一致性
外观与声音	按需要选择	同样按需要选择

这是本专栏的定义对照。一套应用可以同时属于两者。专家数字分身也可以分解成多个能力，分别实现，再按任务组合，不要求只有一个 Agent。

5. 做中学

选择你最熟悉的一项工作，让 Agent 根据一份历史成果归纳方法，并用另一份新材料演示。

你逐项指出哪些符合自己的做法，哪些只是 Agent 的合理猜测。

学习产出是一份经你确认的方法说明、一次新任务结果，以及需要继续补充的例外清单。学习重点是把判断说清楚，并检验它有没有进入实际工作。

信息来源

正文采用中文转述；编号对应解释所在段落。以下网址以明文列出。查阅日期：2026-09-18。

[S05] Agent Skills｜Agent Skills Overview

来源类型：开放格式官方文档。参考内容：Skill 的能力包形式与发现、加载、使用机制。

https://agentskills.io/home

[S08] Delphi｜Delphi for Experts

来源类型：产品应用说明。参考内容：将专家知识转化为可交互服务的商业用法，不作为通用标准。

https://www.delphi.ai/industries/experts

[S16] Anthropic｜Demystifying evals for AI agents

来源类型：工程方法说明。参考内容：用任务输入和评价规则检查智能体结果，区分执行轨迹与结果。

https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents