AI Agent 到底怎么工作?看懂这套机制,附图解提示词

一种是告诉你「建议按主题分类，再做一张索引表」。另一种是读取你指定的文件，整理出索引，检查有没有漏项，再把结果交给你。

后一种过程，已经涉及 Agent 常见的工作方式。

Agent，中文通常叫智能体。理解它，可以从一个问题开始：它拿什么判断下一步，又怎样知道任务完成了？

这篇把相关机制拆开讲，也附上一份制作知识图解的提示词。例子都是教学示例，不代表某个产品已经具备全部能力。

先把一个任务想具体。你希望从指定文件夹里找到与某个主题有关的资料，整理成一张带出处的清单。

模型需要理解「相关」是什么意思，判断先读哪些文件，以及信息够不够。文件读取工具负责取出内容，写入工具负责保存结果。已经看过哪些文件、还有哪些没处理，则需要记录在任务状态里。

还有两件容易被忽略的事。

一件是控制流程。每次读到结果之后，是继续搜索、开始整理，还是停止并向你提问？另一件是权限边界。它可以读哪些目录，可以写哪些文件，能不能把资料发送出去？

模型参与判断，周围的软件系统负责把判断变成受约束的操作。

所以，只接入一个模型，还不能保证软件会完成整个任务；工具不可用、状态丢失或者权限不足，都可能让执行卡住。

Agent组成概念图

原创概念图：五个部分是理解系统的划分方式，具体产品可能采用不同架构。

资料整理通常无法靠一次回答完成。

读到一个文件，发现里面提到另一个资料，就需要继续查看；发现同名文件内容不同，需要核对版本；发现目标文件打不开，则要报告问题。

可以把这个过程记成四步。

观察，读取当前可用的信息和工具返回结果。

判断，决定下一步需要补什么材料、执行什么操作。

行动，让系统调用相应工具。

检查，看返回结果是否满足任务要求，再决定继续还是结束。

这里的反馈，指的是工具结果、检查发现和环境变化。它会影响下一轮决策，不代表模型每执行一次就自动训练、永久学会了新技能。

Agent行动循环概念图

原创概念图：达到目标就停止；遇到权限、时间或预算限制，应暂停并说明原因。

没有停止条件，循环就可能变成重复搜索、重复修改。实际任务要提前约定完成标准，例如清单包含标题、路径和摘要，引用能对应原文件，处理失败的文件单独列出。

模型生成「我要读取文件」这句话，并不会直接打开文件。

一种常见实现是，系统先把可用工具及参数规则提供给模型；模型选择工具，提交结构化参数；程序校验参数和权限，再执行操作，把结果返回给模型。

例如，读取工具需要文件路径。路径不存在，就应该返回明确错误，让下一步能据此调整。不能因为模型写了一句「读取成功」，就把操作记成成功。

你可能会看到一个词，Schema。它可以理解成工具参数的填写规则，规定哪些字段必填、类型是什么、允许什么取值。

对使用者来说，判断执行是否成功，最直接的依据是实际产物。保存清单就检查文件是否存在、能否打开、内容是否完整；搜索资料就检查链接能否访问、有没有真的支持结论。

一段流畅的完成说明，只能作为说明；文件、记录和可核对的结果才是验收依据。

Agent 执行到一半，至少要知道任务目标、已处理材料和当前结果。这些可以存在对话上下文、任务记录或数据库里。

上下文，就是当前这轮处理能参考的信息。长期记忆则可能保存跨任务仍然有用的偏好和约定，比如你希望清单用哪种格式。是否保存、保存多久，取决于产品设计。

知识库的重点是让它找到相关资料。

RAG 是检索增强生成，可以理解成「先找材料，再依据找到的内容组织答案」。它可以用于普通问答，也可以作为 Agent 调用的一种能力。

整理资料时，知识库帮助找到文件中的相关片段；任务状态记录哪些文件已经查过。两者一起工作，能减少遗漏和重复，但不保证检索出来的材料一定正确。

还要检查来源、日期，以及引用片段是否支持结论。资料相互矛盾时，应把冲突列出来；找不到依据时，应说明缺口。

记忆也不需要把所有东西无限保存。无关内容太多，会增加查找和处理负担；账户凭据、真实简历等敏感材料，更需要明确的保存与访问规则。

如果每次都要读取资料、提取字段、输出清单，可以先设计固定工作流。工作流就是预先安排好步骤和分支，便于检查每一步是否完成。

当材料差异很大，系统才可能需要让模型根据中途结果选择路径。这会增加灵活性，也增加检查、重试和限制预算的需要。

ReAct 是一种把推理与行动交替组织的方法，可以理解成「判断下一步，调用工具，再看结果」。它是实现思路之一，不是所有 Agent 都必须使用的唯一流程。

任务还可以拆给多个 Agent。比如一个收集资料，一个组织内容，一个检查出处。

这种分工适合边界清楚、可以独立处理的任务。每个角色都要拿到必要材料，交付格式也要明确，否则审核者可能缺少原文，整理者可能把上游错误继续放大。

多一个 Agent，还会增加沟通和模型调用。对于简单任务，先把一个流程做稳定，往往更容易定位问题。

操作前，看权限。 整理一个文件夹，就给它完成任务所需的范围。删除、付款、对外发送等动作，需要按产品约定进入确认流程。

执行中，看记录。 哪一步调用了什么工具，收到什么结果，哪里发生错误，应该能够查到。可观测性，就是能从记录中看见系统的运行情况；并不要求展示模型的隐藏思考。

完成后，看验收。 既检查最终结果，也检查过程有没有遗漏、越权或重复执行。失败时能否恢复，和成功时能否完成同样重要。

一个好用的 Agent，需要在真实任务里反复检查这些细节。模型能力、工具质量、数据和流程都会影响效果，不能只看演示视频里的最后一页。

理解之后，可以尝试制作一套讲解用的图卡，帮助自己复述。先整理文字，再生成图片，通常比直接要求「帮我做一套专业 PPT」更容易控制内容。

下面是一份原创模板，可复制给支持文本生成的 AI。

拿到文字方案后，先检查术语和逻辑，再把单页提示词交给你使用的图片生成服务。生成图卡能否直接变成可编辑 PPT，要看工具是否支持相应导出；图片本身通常不能像幻灯片里的文字框那样逐项修改。

检查图片时，重点看三个地方。汉字有没有错，箭头方向是否正确，缩小到手机宽度后标签还能不能看清。如果文字太小，减少标签后重新生成，不要把密密麻麻的解释都塞进图里。

本文中的图是概念示意图，也需要配合正文理解。它们没有展示某个软件的实测结果。

读完之后，可以选一个你熟悉的任务，写下目标、可用工具、需要记录的进度和完成标准。这四项写清楚，就能更具体地判断，你需要怎样的 Agent。

序光实验室｜把 AI 的概念讲清楚，把实际的用法拆开来。