什么是「智能体」— 一个会自己动手的模型
这一章讲三件事: 一个会动手的模型和一个只会答话的聊天机器人,差别到底在哪; 「动手」这件事为什么必须外包给外面一段程序;以及判定一个系统算不算智能体, 真正的分水岭在哪一句话上。
它在全书链条里的位置: 这是第一块地基。后面十章讲的全是「怎么把动手这件事 做好」, 而这一章负责说清楚动手是什么、由谁发起、结果怎么回来。 不需要任何基础,遇到的生词都在当场解释。
1. 先看现象:两个聊天框,一个只会答,一个会动手
你打开一个聊天框,问「Python 里怎么写单元测试?」——它给你一段示范代码,你自己复制去用。
你打开另一个聊天框(比如某些代码编辑器里内置的那个),说同一句话,但加了三个字: 「帮我给这个文件写单元测试」。过了几秒,你的项目里多出来一个新文件, 里面的测试已经跑过一遍,还有一条失败被它自己改掉了。
两个框子后面装的可能是同一台机器。差别不在它更聪明,而在于第二个框子那一侧, 有人替它动了手,并且把动完之后的结果又告诉了它。
这本书要教你写的,就是「替它动手」的那一侧。
2. 模型只会写字——所以「动手」必须外包
这一节解释:为什么上面那台机器自己完不成这件事。
它的输出是文字,只有文字
现在聊天框背后的东西,叫生成式 AI(读进一段文字、再一个字一个字往下生成新文字的程序)。 这类程序里最常见的一种,就是你听过的大语言模型。
它能生成的东西只有一种:文字。
它没有手,没有网线,没有打开你硬盘的权限。你问它「我的 cart.py 里有几个函数」,
它答不上来——它连你有没有这个文件都不知道。
它唯一能做的,是把「我需要看一眼这个文件」这句话写出来。
所以外面要配一段程序,专门执行它写出来的那句话
这段程序,书里给的定义很干脆:智能体「外面」的、由智能体调用来完成某件事的代码1。 它有一个正式名字——工具。
一个工具可以是任何你能用代码做到的事:读一个文件、跑一次测试、 查一次天气、往数据库里写一行。它只是一段普通程序,并没有什么特别的地方; 特别的地方在于谁来决定跑它、什么时候跑。
一条要记牢的分工
模型这一侧: 外面这一侧:
──────────── ────────────
只会写字 真的能动手
写下「我要用 read_file, 收到这句话 → 真的去读文件
参数是 cart.py」然后停住 → → 把读到的 68 行内容塞回给模型
←
接着往下想
图说:箭头一来一回各一次。模型永远不越过那条竖线,
外面那一侧也永远不替模型做决定。
这条竖线是全书的地基。 后面十章讲的「怎么把清单交给模型」「怎么把结果送回去」, 全部发生在这两个箭头上。(工具清单具体是怎么送到模型手里的,第 05 章讲。)
3. 一圈:动手 → 看反馈 → 再决定
这一节回答:开头那个「多出来一个文件」的例子,中间到底转了几圈、每圈手里拿到了什么。
书里用的正是这个例子——在代码编辑器里让它「给你的代码写单元测试」2。 可惜书里那张图只写着「Figure coming soon」(图稍后补上)3,所以下面这条走查是我们补的。
下面这条走查里的文件名、行数和测试结果,都是我们为演示编的,不是真实数值。
假设你的项目里有一个 cart.py,68 行,里面有 3 个函数。你说:「帮我给 cart.py 写单元测试。」
| 第几圈 | 模型写下什么 | 外面跑完,塞回去的是什么 |
|---|---|---|
| 1 | read_file(path="cart.py") | cart.py 的全部 68 行源码 |
| 2 | write_file(path="test_cart.py", …) | 「已写入 41 行」 |
| 3 | run_tests(path="test_cart.py") | 「3 项通过,1 项失败:test_apply_coupon——应为 90,实际 100」 |
| 4 | write_file(path="test_cart.py", …)(改掉那一条) | 「已写入 41 行」 |
| 5 | run_tests(path="test_cart.py") | 「4 项通过」 |
拿到最后那句「4 项通过」,它不再写任何工具调用(模型写下的那句「我要用某个工具、参数是什么」,行话就叫这个),而是直接对你说: 「测试已经写好并全部通过。」到这里它停了。
三个细节值得看清楚:
第一,每一圈都是「写下一句话 → 停住 → 等结果」。 模型从头到尾没有执行过任何东西,它只是写字。第 2 圈那 41 行测试代码, 也是它写成文字交出去、由外面那一侧落到磁盘上的。
第二,第 3 圈那句反馈是整件事的转折点。 如果没有人把「1 项失败,应为 90,实际 100」这句话送回去, 它会以为活干完了。看得见结果,它才改得动。
第三,它连着转了五圈才停。 不是三圈,也不是十圈—— 第 5 圈的反馈里没有失败项,它就不再往下转了。
这一来一回的圈,书里给了一个名字:动作—反馈循环 (模型做一个动作 → 反馈被收集起来送回模型 → 模型决定是收工、再做一个动作、 还是回头找用户要更多信息)4。
4. 判定标准:下一步由谁挑
这一节要改掉你在第 1 节可能形成的判断。
读完前面三节,很自然会得出一条判据:「能动手 = 智能体」。
这条不够。 一个天气应用可以每天早上八点自动去天气网站取一次数据、 把结果交给模型写成一段播报——它也「动了手」,也有「反馈」, 但它不是智能体。因为那个八点、那个天气网站,是写在代码里的,不是模型挑的。
真正的分水岭在这一句:
下一步用哪个工具、要不要再转一圈,是模型挑的,还是代码挑的?
书里把这条说得很直白:智能体能够自己决定在一圈或多圈里用哪些工具、做哪些动作; 而另一类系统是用代码路径来决定用哪些工具、做哪些动作、怎么做5。
这本书为什么必须先钉死一条定义
作者一上来就承认了一件事:「智能体」这个词,你搜到的定义比搜到的链接还多; 连着问同一个聊天机器人几遍,它给你的答案都不一样6。
所以他做了一个选择——采用 Anthropic 那篇《Building Effective Agents》里的定义: 一个智能体是这样一个系统,大语言模型在其中自主地掌控自己的处理过程和工具使用, 并对「如何完成任务」保持控制权6。
先钉死一条定义,不是学术洁癖,是工程需要。 后面每一章都要回答「这件事该由模型决定还是由我决定」, 而这个问题只有在定义确定之后才答得出来。你可以不同意这条定义,但不能没有定义。
5. 我们的判断:这条定义有多硬
判断(我们的,不是书里的): Anthropic 那条定义是当前被引用最多的一条, 但它不是唯一的一条,也不是标准组织定的——它出自 2024 年 12 月一家模型厂商的工程博客7。 它把「模型自己决定」当成了唯一的分水岭,这在写代码的时候好用(判据清晰), 但它把另外两条差异排除在外了:能不能跨好几次对话记住东西、能不能和别的智能体协作。 如果错,会错在: 如果将来行业共识变成「必须同时具备自主决策 + 长期记忆(把跨越多次对话的东西存下来、以后还能取用)」才算智能体, 那么按这条定义写出来的一大批系统就会被重新归类, 而这本书里所有「智能体」 的说法都要跟着缩水一档。判据是: 下一版有影响力的分类法把「记忆」放进定义里没有。
顺带一提,作者在这一章还提了一句值得记住的观察:从用户那一侧看, 智能体和普通聊天机器人几乎没有区别——都是一个聊天框,你问它答。 差别在于你可以要求它去做一件事,而它能通过工具、专门的话术、 数据、记忆以及与其他智能体的协作,给出定制化的结果8。
6. 边界:原书这一章有一半是空的
这一节必须先说,否则你会以为我们漏讲了什么。
原书第 1 章列了六个小节,其中四个只有标题,正文写着「稍后补充」:
| 小节 | 原书里的状态 |
|---|---|
| 智能体是什么 | 写完了(本章第 2–4 节讲的就是它) |
| 智能体在生成式 AI 里怎么用 | 开了两段,然后是「(More coming soon)」9 |
| 智能体带来了什么 | 开了一段,然后是「(More coming soon)」10 |
| 案例与用例 | 只有四个标题:编码智能体、研究智能体、客服智能体、企业助手——正文一个字没有11 |
| MCP 在其中的角色 | 只写了那道乘法题(第 03 章讲),后面是「(More coming soon)」 |
| 别的同类规矩 | 只有标题,正文是「(More coming soon)」 |
而且这一章里三处配图全部写着「Figure coming soon」3—— 包括本章第 3 节那条循环、第 02 章那两条流程、第 03 章那道乘法题。 所以这几处的具体走查都是我们照文字描述重建的,书里没有画出来。
作者对全书的规划是:第 2 到 5 章讲清每个组件,第 6 到 9 章带你做一个完整项目12。 这两部分目前都不存在。
本组拆解的做法: 凡是原书留空、而我们认为读者必须知道的地方, 一律从官方规范补上,并在该处脚注里写明「补充(不在书里)」加上查阅日期。 书里没有的东西,我们绝不会写得像书里有。
7. 可带走的
- 模型的输出只有文字——它没有手,任何真实动作都必须由外面一段程序代劳;
- 那段程序叫工具,定义是「智能体外面的、由智能体调用的代码」——它只是普通代码;
- 模型不执行工具,它只写下「我要用 X、参数是 Y」然后停住,真正去跑的是外面那一侧;
- 一圈 = 写下动作 → 外面跑完 → 结果塞回去 → 模型再决定,这叫动作—反馈循环;
- 看得见结果,它才改得动——上面那条走查里,「1 项失败」那句反馈是全程的转折点;
- 判定不看「用没用工具」,看「下一步由谁挑」:模型挑是智能体,代码挑不是;
- 这本书采用的是 Anthropic 那条定义,它是被引用最多的一条,但不是唯一的一条;
- 原书这一章有四节只有标题,后面凡是补上的内容,我们都会当场标明不是书里的。
8. 原文地图
| 主题 | 原书章 | 原文位置 |
|---|---|---|
| 智能体的定义、工具的定义、循环 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:18(搜「dynamically direct their own processes」) · :18(搜「gather feedback before proceeding」) |
| 写单元测试那个例子 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:20(搜「write unit tests for your code」) |
| 配图全部缺失 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:22(搜「Figure coming soon」) |
| 智能体与工作流的根本差别 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:34(搜「The chief difference to remember」) |
| 定义之乱、采用 Anthropic 的定义 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:18(搜「more definitions than you will find links」) |
| 用户视角看不出差别 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:38(搜「customized experiences to the user」) |
| 四节只有标题 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:42(搜「More coming soon」) · :52(搜「Agentic systems are being deployed seemingly everywhere」) |
| 全书规划 | Chapter 1. Agentic AI and MCP | text/04-ch01-chapter-1-agentic-ai-and-mcp.txt:88(搜「chapters 2 through 5」) |