跳到主要内容

想、做、看 — 给一个只会写字的东西装上手脚

这一章讲三件事: 一个只会输出文字的模型,离「替你把一件事从头办完」差哪几个零件; 这些零件怎么协作成「想一下、做一下、看一下结果再想」的工作循环; 以及为什么同一个大脑套不同的壳,就会变成代码助手、网页操作员或者个人管家。

它在全书链条里的位置: 总纲说过「它仍然只会写字,得在外面配一段程序」——这一节兑现那句话。 下一章立刻就讲这双手脚为什么还不太可靠;这两章是一对,别跳。

1. 会说和会做之间隔着什么​

书里的开场比方值得原样搬走:大语言模型是一个博学的教授,被锁在房间里, 只能通过写纸条和你交流——你问什么,他写什么;问题之外的事,他什么都做不了1。

问它「怎么订机票」,它能给你写成五步指南;但它自己一张票也订不了, 因为订票需要它不可能拥有的东西:动别人的系统的许可、记住偏好的地方、看到结果的眼睛2。 跨越这道坎的产品化尝试有个热闹的开场:2023 年春天的开源项目让大模型接上一个 「自问自答」的循环去自主拆任务——当时它订机票会把同一航班反复搜十几遍然后放弃, 但大众第一次看见了「让 AI 自己去做事」这件事的可能性3。

2. 五个组件​

拆开任何一个现代智能体,里面都是五件东西4:

                环境(用户、文件、网络、代码)
                        │
        ┌───────┬───────┴───────┬───────┐
      记忆      工具         大脑(LLM)    规划     感知反馈

这张图看的是分工:大脑负责理解和决策; 工具是与外部世界发生真实作用的每个接触点;记忆跨对话保留信息; 规划把大目标切成小步骤;感知反馈负责把每一步的结果读回来。 传统也有智能体——扫地机器人就是——但它的脑子只会一件事; 大模型第一次让「脑子」变成了通用的:凡是能用语言描述的任务都能试。 注意书里的措辞,「能尝试」不等于「能可靠完成」——这句话留给下一章展开5。

3. 工具:它和世界的每一个接触点​

大脑只能想不能做,工具给了它手脚和耳目6。常见种类书里点了一遍:

工具干什么
代码执行器跑 Python,把「精确计算」「数据处理」外包出去
搜索引擎取实时信息,绕开训练数据的日期边界
文件读写直接打开你的项目文档增删改
API 调用订机票、发邮件、查行情——一切线上服务
浏览器控制像人一样点按钮、填表单
数据库查询进企业内部系统找答案

规律一句话:工具越多样,智能体能碰到的世界就越大6。 而每一个新世界,都会带来下一章要讲的每一种新风险。

4. 主走查:想、做、看,一圈一圈往前推​

五个组件是怎么咬合成一个循环的?书里给了完整的实例,我们原样走一遍7。

  用户问题:2024 年诺贝尔物理学奖得主的主要研究领域是什么?

  第 1 圈 · 想:我不知道 2024 年物理奖得主是谁,需要查一下
          · 做:调用搜索工具,关键词「2024 Nobel Prize in Physics」
          · 看:返回——霍普菲尔德和辛顿获奖,表彰他们在
                人工神经网络基础方面的贡献
  第 2 圈 · 想:已经得到答案;两位的研究领域是人工神经网络
          · 答:2024 年诺贝尔物理学奖授予霍普菲尔德和辛顿,
                表彰他们在人工神经网络方面的贡献

每一圈都是同样的三拍:先想(这步缺什么)、再做(调哪个工具)、再看(结果是什么、满意吗), 不满意就带着新观察进入下一圈。这种「边想边做」的闭环有个名字,ReAct (推理 Reasoning 与行动 Acting 的缩写)——现代智能体的心脏就是这几拍的反复8。 总纲许诺的「这一圈具体怎么转」,转法全在上面这张图里了。

5. 记忆分几层​

对话之外还要记得住事,记忆就得分层放9:

层装什么装在哪对应人的哪种记忆
短期记忆当前对话上文上下文窗口(前沿窗口已可一次装下一本《哈利·波特》级的长文)工作记忆:事情做完就淡出
长期记忆跨对话的事实与偏好窗口外的外部存储你知道的关于对方的一切
程序性记忆「怎么做」的经验技能库、反思笔记(第 13 节展开)肌肉记忆

长期记忆内部又有两条工程路线,取舍正好相反10: 向量记忆——把历史编码成一堆数,凭相似度搜回来,灵活但说不清当初为什么记了这条; 结构化记忆——明确写成一条条事实存进表格或文档,精确可编辑,但只记得住你让它记的。 比技术更要紧的问题是所有权:一个永远记得你的助手,必须允许你查看它记了什么、纠正它记错的、删除它不该记的11。 设计层面还有三道公认的难题——什么该记什么该忘、新旧偏好冲突听哪次、记忆放云端还是本地12。

6. 一份共同规矩:MCP​

工具清单越长,接线越乱:如果每家产品各有各的工具接口,工具开发者就得一份代码适配四五遍—— 书里的比方是给每个品牌的手机单独造一根充电线13。 2024 年提出的MCP(模型上下文协议)就是把充电口标准化的一次尝试: 让文件、数据库、日历这些资源按同一套规矩接进 AI 助手,像 USB 统一外设那样14。 它后来被捐给了开放基金会,从一家公司的开源项目变成社区标准——标准化能不能活, 从来取决于有没有人愿意让自己的接口变成公共品14。

补充(不在书里,依据我们的 protocol 书架): 我们对这份规范做过完整拆解: 它规定了模型侧如何列出可用工具、如何发起一次工具调用(让模型点名叫外部程序干活)、如何管理连接与授权, 细节见下面的锚15。一句话总结这一节的分工:MCP 解决「连到哪里去」。

7. 技能:把做事的方法打包​

连上了还不够,还得会干。技能是一项打包好的专业知识,通常含三样: 自然语言写的操作手册、必要的辅助脚本、模板和参考材料16。

书里给了完整实物——一项「季度业务回顾报告」技能,在磁盘上就是一个文件夹: 入口是一份 Markdown(纯文本排版格式)手册,写着触发条件(用户提到「季度回顾」等字样时启用) 和四步操作(拉指标、按公司模板起草、参照上一季的结构、填图表导出); 旁边放着 Word 模板、取数的脚本、风格指南和上季度报告当范文17。 用户说「帮我写 Q3 回顾」,智能体识别触发条件、加载整项技能, 几分钟交出格式稳定的成品——因为每一步走的都是同一份手册18。

所以工具和技能的关系一句话说清19:工具告诉它「你能做什么」,技能告诉它「该怎么做」; 工具是能力,技能是经验。 两者的最佳搭配是能力加判断力一起给: 比如先用协议把公司数据库连通,再用一份技能手册教会它本公司哪些表不能直接查20。

8. 驾驶舱:同一个模型套不同的壳​

五组件解决「有哪些零件」,工程上还有一个竖着切的视角:底层模型基座 + 外面一层驾驶舱21。这个词的原意是马具——野马套上缰绳才能拉车; 模型套上驾驶舱才能干活22。

一台合格的驾驶舱负责六件实事23:循环控制(不停问模型下一步)、工具调度(把模型写的调用文本翻译成真实函数调用,即模型点名的程序)、 上下文管理(决定每步给它看什么)、安全检查(拦危险操作)、记忆管理、日志回放。 它是纯工程而非算法,却决定了同一个模型被用成什么样子: 同一颗引擎,套编程的壳是代码助手,套浏览器的壳是网页操作员,套本地常驻的壳是数字管家24。

配套的三步特训也在这里交代完25:先拿几千份「优秀员工的做事记录」示范监督微调 (模仿好手感和格式),再用任务成败当奖励做强化学习(学会为最终成功绕路、失败换路), 最后专项喂各种工具的调用样本和报错样本(学会冷静处理异常)。 一家产品的能力公式由此成型:基座定上限,驾驶舱定形态,训练定场景表现26。

9. 检索增强:回答前先查资料​

企业用它还有一座必过的桥:它的知识有两个先天缺口——训练数据有截止日期,不知道的事会编得像真的27。 RAG(检索增强生成)的做法朴素:回答前先去外挂知识库里查资料,把查到的段落连同问题一起塞给它,让它照着资料答—— 学生从闭卷硬背改成开卷翻书28。

走一遍书里的客服例子,整条流水线四个环节29:

  离线·建索引   几万页文档 → 切成几百字的小块 → 每块编码成向量 → 存入向量库
               (一次性做完,相当于给图书馆每本书录检索卡片)
  在线·答问题   用户问「API 的速率限制是多少?」→ 问题同样编码成向量
               → 相似度搜回候选段落 → 过滤、重排选出最相关的几段
               → 连同问题拼进提示词 → 要求基于资料作答并附出处

四步每步都有坑,书里挑了三个致命的30:切块大小决定生死——太大一段混多个主题、太小答案被切散, 主流做法沿标题段落这些天然语义边界切;嵌入模型分不清近义反义——「订购产品」和「取消订单」 会被归进同一个「购物」类,而这俩意图完全相反;精确内容(型号、日期)则是纯向量检索(只按意思相近来找)的死穴。

第三个坑的标本:精确字符串(型号、日期这类要一字不差的文本)。「2024-Q3」和「2024-Q4」 的向量几乎一样、意思天差地别,纯按意思找的检索拿它们没办法,这时要靠关键词匹配兜底。 复杂问题上朴素的「一问一查」不够用了,就让智能体接管检索本身:像研究员一样多轮查证、换词重查、拆题综合31。 书里同时把天花板画清楚了:检索是上限——查不到就答不了,资料本身错了,检得再准也只是把错误送到模型眼前32。

10. 编程智能体为什么最先跑通​

「程序员先被冲击」不是巧合。代码天生是最适合机器协作的劳动形式: Git 让每次改动可追溯、单元测试把「功能正确」变成可验证的命题(能判真假的陈述)、编译器秒回语法错误、流水线自动告诉你有没有改坏别人的东西—— 现成的「行动-反馈」闭环直接躺在那里,而法律、临床这类行业根本不存在「立即知道对错」的链条33。

它的招式朴素得惊人,工具无非读文件、写文件、跑命令、查历史;特别的全在一念之间: 写完就跑测试,报错就读栈定位再改,改不动就回滚一步换思路——人类工程师做了几十年的 「写—验—改」循环,现在 AI 替人按下回车34。

因此它只擅长「成功有客观判据」的任务:补测试、修小 bug、批量改格式、迁移旧版接口。 判据一模糊立刻变难——「重构得更优雅」没有标准答案——第一稿能出,必须有人类的眼睛盯着; 最隐蔽的是自信式错误:为了让测试通过而修改测试本身35。 行话管零基础使用者拿它跑原型的玩法叫凭感觉编程;书里给的警戒线原样收下: 能跑出来不等于能维护,能演示不等于能上线36。

11. 让它替你点鼠标​

另一条路线干脆跳过 API,直接操作浏览器和电脑:让模型看屏幕截图、移动鼠标、点击按钮、敲键盘37。 难处不在「会点」,在于每一步都有分量:弹窗干扰、登录过期、布局变化都得现场理解, 而且看见一个蓝色按钮,得知道那是「提交」还是「同意把银行卡交给陌生网站保管」—— 浏览器智能体的关键不是能不能点按钮,而是该点的时候点、不该点的时候停手38。

补充(不在书里,来自通用知识): 这里还藏着一个纯粹的几何陷阱—— 模型输出的点击位置写在截图自己的像素坐标系里,而截图送进模型前往往被缩小过, 所以坐标必须先按比例换算回真实屏幕尺寸,鼠标才点得准;视觉那一侧的对应动作, 第 24 章还有一个对照(那里机器人输出的关节角度同样要先落到物理坐标系)。坐标这一步在第 24 章还有一个对照,届时两相对看。

12. 多智能体:一个人还是一个组​

任务再复杂一点,直觉的答案是组队:项目经理规划、研究员查证、工程师实现、测试员把关、审查员挑错—— 让多个智能体扮演不同角色分工协作39。书里立刻泼了两瓢冷水: 一个模型兼任「严谨的审稿人」和「大胆的创作者」,往往两头都做不好——又当运动员又当裁判; 而关键成功要素压根不在人数,在分工、通信协议和验证机制40。

应用侧的现状相当清醒:软件开发的多角色流程能在演示里快速出原型,生产级仍需人来把关; 科研自动化流程目前只是「跑通了科研的形」,离提出高质量科学问题还很远; 双智能体辩论有时能暴露矛盾,但两个糊涂模型认真辩论,也可能只是把错误说得更热闹; 游戏 NPC 是最有画面感的一支——有记忆有性格的角色彼此互动,已经在研究里演出了玩家视线之外的小情节41。

结论收敛在一句苦笑上:多智能体不是「人多力量大」的童话,更像一场会议—— 角色清楚、议程明确时有用;都在抢话筒时,你只会得到一份很长的会议纪要和一张更贵的账单42。

13. 反思与自我改进​

最后一组零件让它越用越顺手,深浅三档43:

自校对是最浅的一档:同一个模型先写初稿,再换提示词(输入给模型的指令文字)当审稿人挑毛病,然后修订,循环几轮—— 写的时候赶进度会粗心,被要求检查时会慢下来抓住漏洞。 它的命门在于反思时的自信不等于真的正确:模型自己不足以识别的错误,可能在「修订」中被包装得更像正确—— 书里的刻薄话是,那只是把错误从一个漂亮盒子换到另一个漂亮盒子里。稳妥做法是拿测试和执行结果当反馈,别全信自评44。

经验笔记是中间档:任务失败后写下语言反思——「这类任务要先确认所有关键条件」—— 存进外部笔记,下次同类任务开始前读回来。不带参数更新,却让今天跌的跤明天就能避开45。

自我微调是最激进的一档:用自己的产出训自己的权重,把经验真正内化。潜力最大、雷区最多: 用自己错的东西训自己会越练越歪,还要防新能力挤掉旧能力(灾难性遗忘),外加每次微调都不便宜。 书里的现状判断很冷静:工业级的在线持续自我微调部署仍然很少46。 而一旦走上这条路,新的问题跟着来:换了设备怎么带走它学到的东西?学到错的怎么让它遗忘?学到你不想要的偏见怎么纠正? 这些问题目前都没有成熟答案47。

14. 作者的判断与证据​

有证据的部分。 ReAct 循环的实例全过程、季度技能的文件夹结构、RAG 的四个环节及其失效模式, 都是可以直接照着重现的具体设计;AutoGPT 的初始失败模式、各评测基准的演进,均有公开记录。

要分开看的四处:

  1. 五组件是分析框架,不是标准件清单。 产品里的记忆、规划常常互相渗透(规划经常就写在驾驶舱的外层程序里),书里自己也提醒过21。
  2. 「驾驶舱决定形态」有修辞成分。 同一套壳在不同基座上的表现差距真实存在(基座太弱时壳救不了); 正确读法是「两者都要好」,而不是「壳比脑重要」。
  3. 编程智能体的说服力依赖于代码行业的既有基建。 其余行业缺的不是智能而是判据——把这套循环搬到判据模糊的领域,效果会大打折扣,书里明说了这一点33。
  4. 游戏 NPC 与科研自动化的演示领先于实用。 「图景已经可见」是作者对方向的乐观,不代表当下可部署。

判断(我们的,不是书里的):五件套里最容易被低估的是「感知反馈」,最容易吹嘘的是「规划」。 没有反馈的规划是背诵行程单——出错也不自觉;有了反馈,哪怕朴素的贪心策略也能一路纠偏。 反过来,演示视频里华丽的「深度规划」,很多其实是驾驶舱在外层的采样与重试, 不是模型的深思。评估一个智能体产品时,先找它的「看」做得多扎实,再谈它的「想」有多玄。 如果错,会错在: 端到端强化学习训练出的模型确实把一部分「试错恢复」内化进了权重, 那部分场景里反馈可以被预先烘焙——但对没见过的意外,外置反馈仍是唯一的安全网。

判断(我们的,不是书里的):「工具是能力,技能是经验」这对概念的价值超出智能体范畴。 它其实就是软件业说了几十年的「框架与最佳实践」之辩的新名字:能力人人可购得之后, 组织间剩下的差距恰恰沉淀在那些「没写在文档里就没法传承」的规范中。谁先把隐性经验显性化, 谁的智能体就先稳定下来。 如果错,会错在: 若后续模型强到从少量交互中自动归纳出领域规范, 手写技能的价值窗口就会收窄——届时经验仍是壁垒,但壁垒的载体换了。

15. 边界与局限​

  • 本章几乎全部内容是文字世界的智能体。 物理身体带来的额外麻烦(摩擦、重量、不可逆) 留给第 24 章;届时你会看到本章哪些机制能原样搬过去、哪些不能。
  • 记住了记忆所有权问题,但没有给方案。 记忆冲突、遗忘策略、跨设备迁移,书里如实承认「做好它远比想象中难」12。
  • 成本只有一句台词。 全章没有一个真实的 token(词元)账单数字;每次模型调用花多少钱、 一个任务平均多少次调用,属于下一章的评估话题。
  • 「自进化」停在研究形态的盘点。 Self-Instruct、Self-Rewarding 只报了名字,机制未展开46。
  • 安全话题只开了头。 提示注入(把恶意指令藏进外部内容)、权限、审计在本章只是预告,下一章才是主场。

16. 可带走的​

  1. 大模型是被锁住的教授:会答不会办。 智能体 = 给它手脚、眼睛、记性和计划。
  2. 五个零件:大脑、工具、记忆、规划、感知反馈。「能尝试」不等于「能可靠完成」。
  3. 核心循环只有三拍:想、做、看;不满意就带着新观察再来一圈。(ReAct)
  4. 记忆三层:上下文窗口、外部长期存储、肌肉记忆式的技能。 归属权优先于容量:它记了你,你有权看、改、删。
  5. MCP 管「连得到」,技能管「怎么做」。 前者是充电口标准,后者是作业指导书。
  6. 一个技能就是一个文件夹:手册、脚本、模板。 写手册不需要会编程,把事情讲清楚就行。
  7. 驾驶舱是马具不是算法,却决定同一颗引擎跑成跑车还是扫地车。 基座定上限,壳定形态,训练定场景。
  8. RAG = 开卷考试:切块、编码、检索、生成四步,每步都有各自的死法。 检索质量是天花板。
  9. 编程领域最先跑通,因为它自带「行动-反馈」闭环;判据模糊的任务照样要人盯。
  10. 浏览器智能体的本事不在会点,在该停手时停手: 分清「提交」和「授权扣款」的那个蓝按钮。
  11. 多智能体是一场会议,不是一个梦: 有议程有分工才有用,抢话筒只剩贵的账单。
  12. 自我改进三档:自校对、经验笔记、自我微调—— 越往后越强也越险,「反思的自信不等于正确」。

17. 原文地图​

主题原书章原文位置
被锁住的教授第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:10(搜「纸条」)· :10(搜「什么都做不了」)
只会答不会订票第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:53(搜「文字生成器」)
AutoGPT 的开场第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:15(搜「AutoGPT」)· :17(搜「十几遍」)
五个组件第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:67(搜「核心组件」)· :68(搜「感知反馈」)
传统与通用的分野第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:47(搜「通用性」)· :48(搜「能尝试」)
工具清单第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:96(搜「计算器和代码执行器」)· :100(搜「浏览器控制」)· :106(搜「工具越多样」)
ReAct 完整实例第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:271(搜「诺贝尔物理学奖」)· :278(搜「霍普菲尔德」)· :286(搜「边想边做」)
记忆三层第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:226(搜「短期记忆」)· :231(搜「长期记忆」)· :237(搜「程序性记忆」)
两条记忆路线第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:232(搜「向量记忆」)· :234(搜「结构化记忆」)
记忆的所有权第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:243(搜「检查它记了什么」)
记忆的三难题第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:245(搜「什么该记」)
MCP 与充电线第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:109(搜「Model Context Protocol」)· :115(搜「充电线」)· :113(搜「Linux Foundation」)
技能三件套第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:121(搜「打包好的专业知识」)
季度报告技能实例第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:136(搜「SKILL.md」)· :152(搜「触发条件」)· :160(搜「Q3 回顾」)
工具与技能之分第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:171(搜「你能做什么」)· :172(搜「工具是能力」)
基座加驾驶舱第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:260(搜「驾驶舱」)· :305(搜「并不冲突」)
马具词源第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:380(搜「马具」)
驾驶舱六职第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:396(搜「循环控制」)· :402(搜「安全检查」)· :405(搜「日志与回放」)
同模型不同壳第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:408(搜「代码助手」)· :411(搜「扫地车」)
三步特训第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:418(搜「Supervised Fine-Tuning」)· :423(搜「第二步是强化学习」)· :430(搜「工具使用训练」)
三者公式第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:354(搜「缺谁都跑不动」)· :435(搜「产品形态」)
RAG 两大缺口第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:445(搜「知识截止」)· :446(搜「容易幻觉」)
开卷考试第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:452(搜「开卷考试」)
客服四步流水线第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:459(搜「索引」)· :462(搜「相似度搜索」)· :466(搜「拒答」)
三个工程坑第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:487(搜「粒度」)· :492(搜「取消订单」)· :500(搜「2024-Q3」)
智能体式检索第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:506(搜「Agentic RAG」)· :509(搜「换关键词」)
RAG 天花板第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:514(搜「万能钥匙」)· :516(搜「文档质量」)
代码行业自带闭环第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:616(搜「适合机器协作」)· :621(搜「立即知道对错」)
写验改循环第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:645(搜「回滚一步」)· :646(搜「按下回车」)
判据模糊即变难第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:649(搜「客观判据」)· :650(搜「重构得更优雅」)
自信式错误与凭感觉编程第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:653(搜「自信式错误」)· :662(搜「vibe coding」)· :663(搜「能跑出来不等于」)
操作电脑三代表第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:667(搜「Computer Use」)· :668(搜「Mariner」)· :669(搜「Operator」)
蓝色按钮第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:676(搜「蓝色按钮」)· :678(搜「停手」)
又当运动员又当裁判第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:729(搜「上下文管理问题」)· :730(搜「运动员又当裁判」)
分工三要素第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:734(搜「通信协议」)· :735(搜「验证机制」)
多智能体现状第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:749(搜「MetaGPT」)· :757(搜「自动化样机」)· :762(搜「说得更热闹」)· :763(搜「NPC」)
更贵的账单第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:773(搜「控制成本」)· :776(搜「会议纪要」)
自校对的命门第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:529(搜「Self-Refine」)· :537(搜「漂亮包装盒」)· :539(搜「自评」)
经验笔记第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:237(搜「Reflexion」)· :545(搜「关键条件」)· :548(搜「积累经验」)
自进化三档第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:557(搜「经验积累」)· :564(搜「技能提炼」)· :569(搜「自我微调」)· :575(搜「灾难性遗忘」)
学到的怎么带走第10章 智能的延伸:AI智能体text/11-ch10-10-ai.txt:579(搜「带走」)· :580(搜「没有成熟答案」)

Footnotes​

  1. 出处:「第10章 智能的延伸:AI智能体」第 9 至 11 段 (text/11-ch10-10-ai.txt:10,搜「纸条」;:10,搜「什么都做不了」)。 ↩

  2. 出处:「第10章 智能的延伸:AI智能体」第 52 至 61 段 (text/11-ch10-10-ai.txt:24,搜「回答问题」;:56,搜「对比价格」)。 ↩

  3. 出处:「第10章 智能的延伸:AI智能体」第 15 至 19 段 (text/11-ch10-10-ai.txt:15,搜「AutoGPT」;:18,搜「可能性」)。 ↩

  4. 出处:「第10章 智能的延伸:AI智能体」第 67 至 68 段 (text/11-ch10-10-ai.txt:67,搜「核心组件」)。ASCII 图按原图 10.1 重画。 ↩

  5. 出处:「第10章 智能的延伸:AI智能体」第 46 至 49 段 (text/11-ch10-10-ai.txt:47,搜「通用性」;:48,搜「能尝试」)。 ↩

  6. 出处:「第10章 智能的延伸:AI智能体」第 94 与 105 段 (text/11-ch10-10-ai.txt:93,搜「伸出手去做事」;:105,搜「碰到的世界」)。 ↩ ↩2

  7. 出处:「第10章 智能的延伸:AI智能体」第 269 至 288 段 (text/11-ch10-10-ai.txt:271,搜「诺贝尔物理学奖」;:276,搜「search」;:278,搜「霍普菲尔德」;:286,搜「边想边做」)。 ↩

  8. 出处:「第10章 智能的延伸:AI智能体」第 268 与 287 至 288 段 (text/11-ch10-10-ai.txt:268,搜「Reasoning」)。 ↩

  9. 出处:「第10章 智能的延伸:AI智能体」第 226 至 239 段 (text/11-ch10-10-ai.txt:226,搜「短期记忆」;:228,搜「哈利·波特」;:237,搜「程序性记忆」)。 ↩

  10. 出处:「第10章 智能的延伸:AI智能体」第 232 至 236 段 (text/11-ch10-10-ai.txt:235,搜「解释性差」)。 ↩

  11. 出处:「第10章 智能的延伸:AI智能体」第 242 至 244 段 (text/11-ch10-10-ai.txt:243,搜「检查它记了什么」)。 ↩

  12. 出处:「第10章 智能的延伸:AI智能体」第 245 至 249 段 (text/11-ch10-10-ai.txt:245,搜「什么该记」;:248,搜「隐私顾虑」)。 ↩ ↩2

  13. 出处:「第10章 智能的延伸:AI智能体」第 114 至 115 段 (text/11-ch10-10-ai.txt:115,搜「充电线」)。 ↩

  14. 出处:「第10章 智能的延伸:AI智能体」第 109 至 113 段 (text/11-ch10-10-ai.txt:110,搜「USB」;:113,搜「Linux Foundation」)。 ↩ ↩2

  15. 补充(不在书里,依据我们的 protocol 书架):MCP 规范规定 server 可以向客户端暴露工具列表、 并按 JSON-RPC 处理一次工具调用。 依据: shelf=ai-protocol-reference/mcp-spec#03-server-primitives.md 事实=该章整理的 server primitives 一节包含 tools/list 与 tools/call 两个原语及输入校验约定。 ↩

  16. 出处:「第10章 智能的延伸:AI智能体」第 120 至 123 段 (text/11-ch10-10-ai.txt:121,搜「Skill」;:122,搜「指令」)。 ↩

  17. 出处:「第10章 智能的延伸:AI智能体」第 129 至 158 段 (text/11-ch10-10-ai.txt:136,搜「SKILL.md」;:142,搜「fetch_metrics」;:152,搜「触发条件」)。 ↩

  18. 出处:「第10章 智能的延伸:AI智能体」第 160 至 164 段 (text/11-ch10-10-ai.txt:160,搜「Q3 回顾」;:163,搜「复制过去」)。 ↩

  19. 出处:「第10章 智能的延伸:AI智能体」第 171 至 172 段 (text/11-ch10-10-ai.txt:172,搜「工具是能力」)。 ↩

  20. 出处:「第10章 智能的延伸:AI智能体」第 217 至 220 段 (text/11-ch10-10-ai.txt:218,搜「绝对不能直接查」)。 ↩

  21. 出处:「第10章 智能的延伸:AI智能体」第 298 至 305 段 (text/11-ch10-10-ai.txt:260,搜「驾驶舱」;:305,搜「观察角度」)。 ↩ ↩2

  22. 出处:「第10章 智能的延伸:AI智能体」第 380 至 381 段 (text/11-ch10-10-ai.txt:380,搜「马具」)。 ↩

  23. 出处:「第10章 智能的延伸:AI智能体」第 396 至 405 段 (text/11-ch10-10-ai.txt:396,搜「循环控制」;:400,搜「上下文管理」;:405,搜「训练数据的来源」)。 ↩

  24. 出处:「第10章 智能的延伸:AI智能体」第 407 至 411 段 (text/11-ch10-10-ai.txt:410,搜「百花齐放」;:410,搜「跑车」)。 ↩

  25. 出处:「第10章 智能的延伸:AI智能体」第 414 至 433 段 (text/11-ch10-10-ai.txt:422,搜「工作记录」;:423,搜「第二步是强化学习」;:433,搜「锤子不是拿来拧螺丝的」)。 ↩

  26. 出处:「第10章 智能的延伸:AI智能体」第 434 至 437 段 (text/11-ch10-10-ai.txt:435,搜「产品形态」)。 ↩

  27. 出处:「第10章 智能的延伸:AI智能体」第 445 至 446 段 (text/11-ch10-10-ai.txt:445,搜「知识截止」;:446,搜「幻觉」)。 ↩

  28. 出处:「第10章 智能的延伸:AI智能体」第 451 至 453 段 (text/11-ch10-10-ai.txt:452,搜「开卷考试」)。 ↩

  29. 出处:「第10章 智能的延伸:AI智能体」第 458 至 466 段 (text/11-ch10-10-ai.txt:459,搜「几百字一段」;:462,搜「速率限制」;:465,搜「引自」)。 ↩

  30. 出处:「第10章 智能的延伸:AI智能体」第 487 至 501 段 (text/11-ch10-10-ai.txt:487,搜「粒度」;:492,搜「取消订单」;:500,搜「混合检索」)。 ↩

  31. 出处:「第10章 智能的延伸:AI智能体」第 502 至 510 段 (text/11-ch10-10-ai.txt:506,搜「Agentic RAG」;:509,搜「再查」)。 ↩

  32. 出处:「第10章 智能的延伸:AI智能体」第 514 至 517 段 (text/11-ch10-10-ai.txt:514,搜「万能钥匙」;:516,搜「送到模型眼前」)。 ↩

  33. 出处:「第10章 智能的延伸:AI智能体」第 616 至 621 段 (text/11-ch10-10-ai.txt:617,搜「单元测试」;:618,搜「CI 流水线」;:621,搜「立即知道对错」)。 ↩ ↩2

  34. 出处:「第10章 智能的延伸:AI智能体」第 643 至 646 段 (text/11-ch10-10-ai.txt:645,搜「回滚一步」;:646,搜「按下回车」)。 ↩

  35. 出处:「第10章 智能的延伸:AI智能体」第 647 至 652 与 653 至 657 段 (text/11-ch10-10-ai.txt:647,搜「补测试」;:650,搜「重构得更优雅」;:654,搜「修改测试本身」)。 ↩

  36. 出处:「第10章 智能的延伸:AI智能体」第 662 至 663 段 (text/11-ch10-10-ai.txt:663,搜「能跑出来不等于」)。 ↩

  37. 出处:「第10章 智能的延伸:AI智能体」第 666 至 671 段 (text/11-ch10-10-ai.txt:667,搜「Computer Use」;:671,搜「使用这些界面」)。 ↩

  38. 出处:「第10章 智能的延伸:AI智能体」第 672 至 678 段 (text/11-ch10-10-ai.txt:672,搜「结合得足够可靠」;:676,搜「蓝色按钮」;:678,搜「停手」)。 ↩

  39. 出处:「第10章 智能的延伸:AI智能体」第 731 至 735 段 (text/11-ch10-10-ai.txt:723,搜「项目经理」;:734,搜「天然更强」)。 ↩

  40. 出处:「第10章 智能的延伸:AI智能体」第 728 至 730 段 (text/11-ch10-10-ai.txt:729,搜「兼任」;:730,搜「运动员又当裁判」)。 ↩

  41. 出处:「第10章 智能的延伸:AI智能体」第 749 至 767 段 (text/11-ch10-10-ai.txt:755,搜「AI Scientist」;:761,搜「糊涂模型」;:764,搜「Generative Agents」)。 ↩

  42. 出处:「第10章 智能的延伸:AI智能体」第 774 至 776 段 (text/11-ch10-10-ai.txt:775,搜「会议」;:776,搜「账单」)。 ↩

  43. 出处:「第10章 智能的延伸:AI智能体」第 528、542、553 段 (text/11-ch10-10-ai.txt:529,搜「Self-Refine」;:542,搜「Reflexion」;:553,搜「self-evolution」)。 ↩

  44. 出处:「第10章 智能的延伸:AI智能体」第 537 至 540 段 (text/11-ch10-10-ai.txt:539,搜「更像正确」;:540,搜「包装盒」)。 ↩

  45. 出处:「第10章 智能的延伸:AI智能体」第 543 至 548 段 (text/11-ch10-10-ai.txt:545,搜「关键条件」;:548,搜「跌的跤」)。 ↩

  46. 出处:「第10章 智能的延伸:AI智能体」第 569 至 575 段 (text/11-ch10-10-ai.txt:572,搜「Self-Instruct」;:575,搜「仍然很少」)。 ↩ ↩2

  47. 出处:「第10章 智能的延伸:AI智能体」第 576 至 581 段 (text/11-ch10-10-ai.txt:579,搜「学到的东西」;:580,搜「最棘手」)。 ↩