波仔
🤖 第一章 Agent与RPA基础
📄 一句话概括

Agent 的五项核心能力——理解、规划、调工具、记东西、复盘——对应到人身上就是【听懂话、列计划、会用手、有记性、会总结】，本节把每一项掰开看，并说明它们在平台里分别由什么零件提供。

📝 本节和前面几节的关系

上一节（1.1.1）给 Agent 下了定义、画了四大件；本节把四大件展开成五项可观察的能力，让你在看任何一个 Agent 产品时，能一眼指出【它缺哪一项】。下一节（1.1.3）再把这些能力对到真实场景上去。

一、五项能力总览

先看全景，再逐项展开：

# 能力 干什么 靠什么实现 缺了会怎样
① 理解与推理 听懂任务、判断意图 大模型本体 答非所问
② 规划与拆解 把大目标切成可做的步骤 提示词 ＋ 大模型 ／ 工作流编排 一步也走不了
③ 工具调用 真的去查、去算、去写 Function Calling ＋ MCP／插件 只会说不会做
④ 记忆 记住上一轮、记住上个月 上下文窗口 ＋ 向量库／变量 每次从零开始
⑤ 反思与修正 发现错了就改道 自我检查提示 ＋ 重试循环 一错到底

这五项不是并列关系，是一条链：理解是入口，规划是路线，工具是腿，记忆是行囊，反思是回头的习惯。

二、① 理解与推理：大模型的地盘

这是唯一一项由大模型本体提供的能力。同一个任务，换模型效果能差出一大截，原因就在这里。

举一个能立刻分辨的例子——同样是【帮我准备一份周报】：

反问问得好，就是理解能力强。所以做 Agent 的第一条经验：任务描述越模糊，越依赖模型自己猜，效果波动越大。

三、② 规划与拆解：从【一个目标】到【一串步骤】

大模型一次只能做一件事，所以必须有人把目标切成步骤。切法有两种：

路线 A：交给模型自己想（适合步骤不固定的任务） 一次让它输出计划，再逐步执行。提示词里加一句【先列出完成这个任务需要哪几步】，效果立竿见影。

路线 B：人预先编排好（适合步骤固定的任务） 这就是工作流（1.2.3 详讲）——节点是提前摆好的，模型只在节点内部干活。

模型自己规划 人预先编排
灵活度 高，能应付变化 低，但结果稳定
可预测性 低 高
适合 调研、写作、开放式分析 固定业务流程（每天导报表、发文章）
平台里的形态 一节提示词 一条工作流

本课后面的实战案例全是路线 B——原因很简单：要交给客户和同事用的东西，稳定性压倒灵活性。

四、③ 工具调用：Agent 的手脚

这是 2026 年变化最大、也最值得投入理解的一项。

机制：你在 Agent 里挂上若干工具（搜索、网页浏览、读文件、发邮件、查数据库、调 API……），大模型看到的是一张【工具清单】（每个工具带名字和用途说明）。当它判断需要某个工具时，就输出一个结构化的调用请求【调用 X，参数是 Y】，由平台去执行、把结果塞回来给它。

所以工具调用有两个关键点：

  1. 工具的描述写得好不好，直接决定模型会不会正确用它——这跟写产品说明书是一个道理；
  2. 模型只是【申请调用】，真正执行的是平台——权限、安全、限流都在平台那一层管。

2026 的标准答案：用 MCP。它的角色可以记成一句话——AI 工具的 USB-C 接口：

扣子上的实践：平台把工具叫【插件】，官方插件市场里搜索、生图、读网页、写飞书文档都有。挂上去就等于给 Bot 装上了手脚。

五、④ 记忆与 ⑤ 反思：让 Agent 不【每次从零开始】

记忆分三层，别看混了：

层 记什么 存哪儿 平台里的名字
会话上下文 这一轮对话里的所有内容 模型的上下文窗口 对话历史
变量／状态 流程中要传递的数据 平台运行时 工作流变量
长期记忆 跨会话的事实与偏好 数据库＋向量检索 知识库／长期记忆

上下文窗口是有限资源，谈得越久，早先的内容越容易被挤出去——这就是为什么很多平台会做【自动摘要】：把老对话压缩成一段小结存起来。知识库（1.2.1 里讲）则是另一条路：把不常变的资料（产品手册、制度文件）预先切块存进向量库，用的时候按语义检索出最相关的几段塞给模型——这不是模型记住了，是每次现查现给。

反思与修正是 Agent 与普通程序最不一样的地方：普通程序遇到错误会崩溃或跳过，Agent 可以看到报错重新想办法。工程上常见的三种写法：

⚠️ 但反思不是万能的

如果反思所依据的信息本身是错的（比如工具返回了错误数据），Agent 只会带着自信地错下去。所以真正的可靠性来自外部约束：工具返回值的校验、关键步骤的人工确认、可回滚的设计。

六、动手 Demo：给一个 Bot 做【能力体检】

准备：浏览器打开扣子（coze.cn），在智能体商店里随便挑一个热门的公开智能体（挑【工具】用得多的那种）。

第一步：打开它的详情页，找下面四样东西，抄在纸上： 1. 它的人设与回复逻辑（提示词）——对应能力①理解、②规划； 2. 它挂了哪些插件／工具——对应能力③； 3. 它有没有挂知识库——对应能力④长期记忆； 4. 它的开场白与推荐问法——这是设计者预设的【引导】。

第二步：跟它聊两轮，然后故意做一次能力测试： - 给它一个需要联网才能答的问题（试③）； - 再问一个它在第一轮里已经告诉过你的信息（试④，看它记不记得）；

看到什么算成功：你能用本节的五个编号说清它强在哪、弱在哪。比如常见的结果是：工具挂了搜索（③强）、聊天两轮后还记着前面的信息（④本轮上下文正常）、但换个全新的会话再问就不知道了（④长期记忆缺位，因为它没挂知识库、也没开长期记忆）。

读结果：Agent 的强弱不是一个分数，而是五个抽屉——你打开哪个抽屉，就得到哪一种能力。以后看到一个不好用的 Agent，第一件事不是骂模型笨，而是查它缺哪个抽屉。

30 秒实验

在你挑的那个智能体的配置页，找到【插件】区域，把其中一个插件关掉（或新建一个不带任何插件的空 Bot），然后问一个原本要靠那个插件才能答的问题。

观察差别：同一个提示词、同一个模型，只是少了一只手，结果立刻退化。

结论：工具不是锦上添花，是 Agent 的器官。这也解释了本课的主线——为什么讲完 Agent 还要专门讲 RPA：平台的插件只能覆盖【别人已经做好接口】的事，剩下那些只能靠点鼠标才能办的活，得 RPA 上。

常见误区

  1. 【挂的工具越多越强】——工具清单越长，模型【选错工具】的概率越高，而且每次都要把一大堆工具说明塞进上下文（费钱、费时间）。正确做法是分场景给工具，或者用多个专职 Agent 分工。
  2. 【知识库＝让模型学会了我的资料】——不是。知识库是每次提问时现检索、把相关段落塞进上下文。所以资料切块切得好不好、检索准不准，比【模型记没记住】重要得多。
  3. 【Agent 会自己反思，所以不用校验】——反思只能纠正【它自己能看出问题】的错。外部世界的事实错误，它看不出来。校验要交给工具返回值、规则和人工。
  4. 【提示词不重要，反正是模型在想】——规划能力有一半靠提示词。同一模型，一句【先列步骤再执行】的差别，往往比换一个更贵的模型更大。
  5. 【五大能力必须齐备才叫 Agent】——刚上手时，②规划＋③工具这两项就足以做出有用的东西；记忆和反思是后面慢慢加的。别一开始就追求满分。
自测三问（点开对答案） 1. **【规划与拆解】的两条路线分别是什么？各适合什么任务？** 路线 A 交给模型自己想（灵活、适合调研写作这类开放式任务）；路线 B 人预先编排成工作流（稳定、适合固定业务流程）。**要给别人用的东西优先选 B。** 2. **工具调用里，大模型和执行平台各自负责什么？** 模型负责**决定**：调哪个工具、传什么参数（它只是【申请调用】）；平台负责**执行**：真的去查、去写，并管权限、限流、失败处理。 3. **为什么说知识库不是【模型记住了资料】？** 因为它是**提问时现检索、把最相关的几段塞进上下文**——模型本体没变。所以效果取决于切块与检索质量，以及每次塞进去的内容对不对。

相关笔记