Agent 教学笔记（一）：从「会聊天」到「会做事」
这是一份写给「刚上路的自己」的教学笔记：不端着，不装懂，踩过的坑一个不藏。要是你也在学 Agent，那咱俩正好顺路。
一、先说结论，再给公式
如果只允许我用一句话解释 Agent，我会这么说：
聊天机器人的输出是「一段话」，智能体的输出是「一件事被办成了」。
再给我背得最熟、也最好使的一个公式：
Agent ≈ 大脑（LLM） + 手脚（Tools） + 记忆（Memory） + 主见（Planning）这个公式是我学习路上的第一个「啊，原来如此」的时刻。同样一个模型，套不套 Agent 这层壳，体验能差出十万八千里——原因就藏在这四项里。
二、摸大象：Chatbot 和 Agent 到底差在哪
我是个爱做对照表的人，话不多说，先上表。
| 对比项 | 聊天机器人 Chatbot | 智能体 Agent |
|---|---|---|
| 输出 | 一段文字、一个答案 | 一个动作、一个结果 |
| 状态 | 基本无状态 | 有记忆、有状态 |
| 遇阻 | 告诉你该怎么做 | 自己试着去做 |
| 工具 | 通常没有 | 有，而且会用 |
| 目标 | 回答你的问题 | 完成你的任务 |
举个我身上真实发生过的小场景。我问同一句话：「帮我看看这个项目有没有过期的依赖。」
- 聊天机器人会回答：「你可以运行 npm audit。」然后贴一段命令，剩下全靠我自己搬砖。
- 智能体会真的去读项目、跑检查、把有风险的包列出来，甚至顺手帮你升级。
差别不在谁更聪明，而在于智能体多了一双「手」，还多了一份「自己决定下一步干啥」的主见。
三、四大件，一件一件拆开看
3.1 大脑（LLM）：只负责「想」
大脑负责理解、推理、做决策。但它有个最容易被误解的点：它不会自己动手。
你让模型「查一下天气」，它不会真的去查，它只会「决定」要去查，然后把这个决定告诉外面的程序。真正跑腿的，是别人。
3.2 手脚（Tools）：负责「做」
工具让 Agent 能真正影响世界：联网搜索、查数据库、读写文件、调用 API、跑代码……没有工具，它立马退化成聊天机器人。
3.3 记忆（Memory）：负责「记得住」
- 短期记忆：当前这轮对话，会话一结束就没了。
- 长期记忆：跨会话保留的信息，通常存在外部，用到时再取。
没有记忆，它每轮都从零开始，聊三句就把前面忘得干干净净——这就是大家常调侃的「金鱼脑」。
3.4 主见（Planning / Autonomy）：负责「有主见」
把一个大目标拆成一步步能做的小动作，并在过程里自己判断、自己纠偏。没有它，稍微复杂点的任务就会原地打转。
一句话记忆法：大脑决定「要不要」，手脚负责「去做到」，记忆保证「记得住」，主见负责「接下来干啥」。
四、它是怎么转起来的：一个循环
Agent 干活，本质是一个不停打转的循环：
感知（收到目标 / 工具返回）
↓
规划（拆任务、定下一步）
↓
行动（调用工具去做）
↓
观察（看结果对不对）
↓
反思（要不要换条路）—— 回到「规划」，继续等价的说法就是：观察 → 思考 → 行动 → 观察 → 思考 → 行动 …… 直到搞定。
这里我要划个重点：这个循环里，最容易被忽略的是最后那步「反思」。它才是 Agent 从「莽」变「稳」的关键。
五、Agent 也分「段位」：五个智能层级
学着学着我才知道，Agent 不是一个非黑即白的东西，它是有「段位」的。
| 段位 | 名字 | 说人话 |
|---|---|---|
| 1 | 简单反射 | 看到 X 就做 Y，不看历史，环境一变就懵 |
| 2 | 基于模型 | 能记住「刚才聊过啥」，看懂代词指代 |
| 3 | 基于目标 | 有明确目标，会搜索、会规划，企业里最主流 |
| 4 | 基于效用 | 在多条路里挑「性价比最高」的那条 |
| 5 | 自主学习 | 边干边学，能从经验里变强 |
新手别一上来就幻想第 5 级。能把第 2 到第 3 级做扎实，已经能解决绝大多数真实问题了。
六、我踩过的第一个大坑
坑不在于技术，在于认知：我一开始以为，Agent 越「自主」越好。
结果发现完全相反。一个真正好用的 Agent，恰恰是该自己动手时果断动手，该回头问人时立刻问人。 无脑自主，只会让它自信满满地跑偏。
第二个坑：以为换一个更大的模型就能包治百病。
真相是，Agent 的效果瓶颈，常常不在模型本身，而在工具设计得好不好、上下文喂得对不对、任务有没有拆清楚。 这三件事，才是真正需要动手练的功夫。
七、一张速查表：什么时候该上 Agent
| 你的场景 | 建议 |
|---|---|
| 只是问知识、要答案 | 普通对话就够了，别过度设计 |
| 需要多步、要查资料再汇总 | 上 Agent |
| 需要操作外部系统（发邮件、改文件） | 上 Agent + 工具，且加一步确认 |
| 需要跨会话记住用户偏好 | 上 Agent + 长期记忆 |
八、下一篇，我们拆「手脚」
这篇算是把地图画了出来。接下来我会把四大件一件件拆开写：
- 工具调用，也就是「手脚」怎么长出来；
- 记忆与 RAG，也就是「记性」怎么练；
- 规划与反思，也就是「主见」怎么养成。
如果你是刚上路的同学，建议按顺序看；如果你只想解决某个具体问题，跳着看也完全没问题。
参考资料
- ReAct：Synergizing Reasoning and Acting in Language Models — https://arxiv.org/abs/2210.03629
- 从 LLM 到自主智能体系统的能力分层 — https://juejin.cn/post/7559871680013893673
- Agentic AI 与 RAG 学习路线（Programming Club IITK） — https://pclub.in/roadmap/2025/11/01/agentic-ai-and-rag-guide/
如果这篇文章对你有帮助，欢迎分享给更多人！
部分信息可能已经过时