10｜Agent到底是什么？一个项目讲明白

周一早会，老板拿着手机走进来，开口就是：

“外面现在都在搞智能体，我们不能落后。小米，你去做一个，就用来看看同行最近都在搞什么，下周给我看结果。”

张小米想问：什么叫智能体？

老板已经走了。

她在走廊站了三分钟，没动。

上周老板还在问她DeepSeek要不要付费，这周就要搞智能体了。

她对着天花板长叹一口气，回工位打开电脑。

嘀咕归嘀咕，“下周给我看结果”不是商量，是通知。

01 不就是DeepSeek加几个工具吗

张小米的第一反应是：这不就是个高级版的聊天机器人吗？

她打开DeepSeek，直接问：“帮我分析一下竞品最近的动态。”

几秒钟后出来一段文字，写得挺像样。

但问题来了。她追问：“这些信息是最新的吗？能自己去网上查一下吗？”

DeepSeek回复：抱歉，我无法主动联网搜索。

好，那就加工具。

她自己搭了一条链路：搜索竞品官网 → 大模型总结 → 整理成文档。

三步串起来，跑通了。

但每一步都得她自己盯着：搜完先检查结果，没问题再点“生成总结”，总结出来还得看有没有跑偏。

她盯着屏幕，突然觉得有点不对劲。

这不就是她自己的工作流程吗？只是换成电脑替她点了几个按钮。

📌 这叫Workflow（工作流），还不算真正的Agent 工作流的步骤和分支通常由人提前设计好，系统按照固定路线往下跑。 哪怕串了100个步骤，只要遇到变化时仍然需要人来判断下一步，它本质上还是一条工作流。

固定工作流和Agent的区别

拿着这条链路，她去找老板汇报。

老板皱了皱眉：“我要的不是这种每步都要你盯着的东西。我要的是它自己能判断——资料不够自己去找，找到了自己接着做，做完自己检查，不满意自己再来一遍。”

张小米愣了一下。

她意识到，她搭的这条链路，没有脑子。

02 给它装上脑子和手脚

两天后，张小米在一篇文章里看到一个常见的Agent拆解：

Agent = LLM + Prompt + Memory + Knowledge + Tools

她盯着这行字看了一会儿，开始逐个拆。

LLM（大语言模型），像大脑，负责理解任务、规划步骤和做判断。

Prompt（提示词），像岗位说明书。要写清职责边界、输出格式，以及哪些事不能做。比如：“数据来源不确定时必须标注，不能自行推断。”

Memory（记忆），让它记住当前任务发生过什么，也能在需要时调取过去的信息。否则每次执行任务，都像第一天上班。

Knowledge（外部知识），是它原本不知道的专属资料。公司内部的竞品报告、行业数据和历史结论，都要通过知识库提供给它。

Tools（工具），是它的手脚。联网搜索、读取文档、生成报告、发送消息，有了工具，它才能从“会说”变成“能做”。

📌 Agent通常由什么组成？ LLM负责思考，Prompt规定任务和边界，Memory保留上下文，Knowledge提供专属资料，Tools负责执行。 具体项目不一定机械地凑齐五个独立模块。真正关键的是：它能不能围绕目标，自己判断下一步，并调用工具把事情继续做下去。

Agent的核心能力组成

张小米把需要的能力接好，给它派了第一个任务：

“分析这三个竞品，重点看定价和最近的产品动作。”

它先列出计划：确认竞品名单，逐个搜索，最后汇总对比。

搜完第一个竞品，它发现官网没有价格，没有停下来等张小米，而是自己决定去找第三方测评平台。

接着，它从测评网站的用户评论里找到大概的报价区间，提取信息、标注来源，然后继续搜索下一个竞品。

整个过程，张小米没有点一次“确认”。

她就坐在那里，看着它自己想、自己找、自己接着做。

这跟之前那条每一步都要她盯着的链路，感觉完全不是一个东西。

03 会自己干活，不代表干得对

报告出来了。

张小米看了一遍，觉得挺不错，直接发给老板。

半小时后，老板把她叫过去，指着屏幕上的一行数字：

“这个竞品的定价是三个月前的。他们上周刚调过价，这个你知道吗？”

张小米沉默了两秒。

她翻回去看，终于发现问题出在哪儿：Agent查到一个数据，总结进报告，然后直接交卷了。

它没有回头问自己一句：这个数据靠不靠谱？是不是最新的？

它会做事，但它不知道自己做得好不好。

张小米回去加了一个自查环节：每次生成报告之前，先核验数据来源和发布时间；发现可疑内容，就主动重新搜索；确认没问题，再输出。

改完重跑，这次它自己发现那条定价信息太旧，标注“需要重新核实”，又搜索了最新价格，更新报告以后才交出来。

张小米后来看到一个词：ReAct。

不是前端那个React，而是Reasoning（推理）和Acting（行动）的组合。

简单来说，就是：思考 → 行动 → 观察结果 → 再思考。

📌 Agent Loop（智能体循环） Agent不是把任务从头跑到尾就结束，而是在执行中不断观察结果，再决定下一步做什么。 ReAct是实现这种循环的一种经典思路，但不是唯一方案。 Agent和固定工作流真正拉开差距的地方，不是步骤更多，而是它在遇到变化时，能不能自己判断：够了吗？不够的话，下一步做什么？

Agent在执行中观察、纠错并重试

END 通关：老板补了一句话

董事会开完，老板走出来，冲她点了点头。

“这次竞品分析不错，数据准，逻辑也清楚。”

顿了顿，他又补了一句：

“下个季度招产品经理，我打算加一条要求：得有Agent实际落地经验。你这个项目，正好可以写进简历。”

张小米笑了笑，没说什么。

她想起自己在走廊里站的那三分钟，也想起最开始搭的那条工作流。

从每一步都要人确认，到最后让Agent自己搜索、判断、检查，差的不是又多接了几个工具。

差的是：

有没有一个东西，能围绕目标自己想、自己判断，做完以后再问一句：“够了吗？”

够了就交。

不够，接着来。

就这。