什么是 Agent?从一份“翻车”的旅游攻略说起

最近在学 Agent 开发，有一些思考和总结，用最通俗的语言讲清楚两件事：什么是 Agent，它是怎么运行的。

一、先看人是怎么用大模型的

我们平时用 AI 很简单：你发一个问题，大模型思考后把答案返回给你。这个问题就是提示词（Prompt），整个过程一问一答，就是熟悉的聊天机器人模式。

但这种模式有个致命问题：大模型只会回答训练过的知识，涉及最新信息就抓瞎。 因为它基于历史数据训练，你问“上海今天天气怎么样”或者“某景点最新票价多少”，它都答不准。

举个例子。你让大模型“帮我制定一份五百元预算的上海一日游攻略”，它返回一份看起来很完美的攻略。但你上网一查，票价全涨价了，预算直接爆掉。

于是你只能自己动手：把景区、餐厅的最新价格全部查一遍，汇总后告诉大模型“这是最新信息，基于它重新规划”。这次，攻略才真正能落地。

复盘整个过程——发现价格不对的是人，做决策的是人，查工具的还是人。

二、Agent 的意义：把“人工”全部交给 AI

那这些操作能不能全部交给 AI？这就是 Agent 出现的意义。

Agent，就是具备自主决策、主动执行能力的 AI 系统。 它不仅有大模型的思考能力，还能自己调用工具、检查结果、决策规划。你把问题直接丢给它，它返回一个真正可落地的方案。

三、Agent 是怎么运行的

同样的问题发给 Agent，背后发生了什么？

首先接收问题的不是大模型，而是 Agent 的主程序，它负责整个系统的运行和调度。主程序不会把你的问题原封不动丢给模型，而是打包一个“工作资料包”，包括：用户提示词、规则（安全守则、不能编造内容等）、记忆（历史对话信息）、可用工具清单。这个打包后的信息，就是模型上下文。

大模型基于上下文思考：要做最新攻略，需要先查价格。于是它发起工具调用请求，主程序帮它执行——操作浏览器或调 API，查到最新信息后返回给模型。模型拿到信息完成规划，再检查是否满足预算规则，行程是否合理，最后把答案返回给用户。

值得强调的有两点：

1. 整个过程是一个循环。
    如果工具查回来的信息还不够，模型会继续发起调用，直到答案符合要求为止。思考、行动、检查，不断循环。
2. 大模型本身没有记忆，是 Agent 赋予了它记忆。
    Agent 把历史信息存在本地，每次与模型交互时都重新塞回上下文，所以你才觉得它“记得你”。

四、Agent 的四大核心能力

• 大模型
  ：大脑，负责思考、规划和决策；
• 工具
  ：手脚，负责执行，查网页、调 API、操作文件；
• 记忆
  ：记住历史对话，这是它显得聪明的原因；
• 规则
  ：系统和用户规则，比如把“预算五百”写进规则，每次交互自动带上。

四大能力齐备，加上思考、行动、检查的循环，就是一个完整的 Agent。

五、Codex、Workbot、Tree 都是 Agent

它们能接相同的模型，能力却不同，差别就在工具和规则：编程类 Agent 内置代码工具和测试规则，办公类 Agent 内置办公工具。接什么模型不是关键，工具和规则的定义才是。

所以，你也完全可以搭配自己的规则和工具，搭建一个专属的简易 Agent——在扣子里创建智能体、写提示词、选工具、设全局规则，把预算写进规则里直接提问，就能看到它思考、调用工具、再思考的完整循环。

这就是 Agent 从理论到实践的全貌。觉得有用的话，点个关注，下期见。

📚最后，我还给大家整理好了，我面试用的一些资料，包括视频教程、面试题、Agent项目实战等，需要的留下“学习”我分享给你！