PILLAR 01
Tool Use工具调用
模型本身只能生成文本。工具让它伸手触到外部世界：查数据库、发请求、跑代码、读写文件。选哪个工具、传什么参数，都由模型在循环中自己判断。
决定它能做什么00 — 导论 / An Introduction
AGENT
智能体
一个能自己决定下一步做什么的程序。它不会回答一次就结束——而是观察环境、做出计划、调用工具、检查结果，然后带着新的认知继续下一轮。
01
先看清它不是什么What an agent is not
语言模型本质上只会做一件事：给定一段文本，预测接下来最合理的文本。它没有手，没有长期记忆，也没有一个"目标"可以为之坚持。
你问一句，它答一句。上下文窗口关上，一切归零。这个过程是无状态的、单次的，也是被动的——它永远在等你开口。
智能体做的事情，是把模型放进一个循环里：给它一个目标，给它几件工具，给它一个能记住事情的地方，然后放手让它自己跑。模型从"被调用的函数"变成了"做决定的那个角色"。
智能体 = 模型 + 循环 + 工具 + 状态
02
一切从观察开始The control loop
智能体的全部魔力，来自一个会重复的循环。每一轮它都做四件事，然后把结果喂回给下一轮的自己。
01观察Observe
02思考Reason
03行动Act
04反馈Reflect
↻Control
Loop
Loop
-
观察 · Observe
读取当前状态：用户说了什么、上一步返回了什么、文件里现在有什么。循环的入口永远是事实，而不是想象。
-
思考 · Reason
模型在这一步权衡：目标还差多远？有哪些可用手段？下一步做哪一个最划算？
-
行动 · Act
输出一个具体动作——调用某个工具、写一段代码、给出答复。这是循环里唯一会改变外部世界的一步。
-
反馈 · Reflect
把行动的结果读回来，判断成功还是失败。成功了推进目标，失败了换一条路——然后回到观察。
03
支撑循环的四根柱子Four pillars
循环是骨架，但光有骨架跑不起来。下面这四样东西，决定了智能体是只能聊天，还是真能干活。
PILLAR 02
Memory记忆
上下文窗口是短期记忆，装得下这一轮任务的来龙去脉；外部存储是长期记忆，装得下跨会话的经验与事实。没有记忆的智能体会在每一步重新犯同样的错。
决定它记得多久PILLAR 03
Planning规划
把一个模糊的大目标拆成可执行的小步骤，并随时根据新信息调整顺序。好的规划不是一次列完清单，而是在每一步重新评估还剩下什么。
决定它走多远PILLAR 04
Reflection反思
检查自己刚才的输出是否真的解决了问题，而不是看起来像解决了。这是区分"能用"和"可靠"的分界线，也是最容易被省略的一步。
决定它靠不靠谱04
四层结构The stack
从下往上看，一个智能体系统通常由四层构成。上层负责判断，下层负责执行；出错时，问题往往不在最上面那一层。
Layer 04
环境Environment
真实世界及其后果：用户、数据库、外部 API、文件系统。它不关心你的智能体有多聪明，只如实返回结果。
Layer 03
工具Tools
环境之上的受控接口。每个工具都有清晰的输入输出契约，以及一份写给模型看的说明——模型靠这份说明决定何时使用它。
Layer 02
编排Orchestration
驱动循环的那套机制：状态管理、步数与成本上限、失败重试、权限校验，以及什么时候该停下来交还给人类。
Layer 01
模型Model
负责推理与生成的那部分。它给出判断，但不保证判断是对的——所以上面三层必须做好验证与兜底。
05
三种形态，别用错Chatbot / Workflow / Agent
并非所有任务都需要智能体。流程稳定时，写死的编排更便宜、更可控；只有在路径无法预先确定时，自主决策才划算。
| 维度 | 单次问答 | 工作流 | 智能体 |
|---|---|---|---|
| 步骤数量 | 一次 | 固定，预先写死 | 动态，边走边定 |
| 谁决定下一步 | 人 | 预设的流程 | 模型自己 |
| 工具使用 | 无 | 有，但路线固定 | 有，且由模型自选 |
| 失败之后 | 需要人重新提问 | 报错并中断 | 换个方法继续尝试 |
| 成本可预测性 | 高 | 高 | 低，需要设上限 |
| 适合的场景 | 分类、改写、摘要 | 稳定且重复的流程 | 目标开放、路径未知 |
先用工作流解决问题；只有当流程本身无法预先写死时，才值得上智能体。