4.1 Agent 是什么
场景篇里，你已经能熟练地「问一句、答一句」：让 AI 润色一段、出个大纲、写个公式。但请注意一个细节——每一步都是你在推着它走：你复制粘贴、你打开工具、你把结果搬到下一个环节。这一篇我们进入全新领域：Agent（智能体）——你只下指令，AI 自己拆任务、调工具、干完活，把成品交给你。
本讲你将学到
- Agent 的准确定义：和「聊天机器人」的本质区别是会用工具、自己干活
- Agent 的工作循环：感知 → 规划 → 行动
- 一组好记的类比：Copilot 是副驾驶，Agent 是主驾驶
- 为什么 2026 年是「Agent 之年」：模型能力 + 工具生态两块拼图凑齐了
- 全篇最重要的心法：agent 会翻车（最强模型的任务成功率也只有约三成），所以验收产出是核心技能
前置：2.2 ICIO 四件套（给 agent 下指令本质是写任务书）；场景篇不必全通，但建议做过至少一个 playbook。
1. 从「问答」到「委托」
先用一个你熟悉的任务感受差别：期末复习，你想把一门课的课堂录音整理成复习资料。
聊天机器人模式（前四篇的用法）：
- 你找一个转写工具，把录音转成文字；
- 复制全文粘给 AI：「帮我总结重点」；
- AI 给出总结，你发现缺少公式部分，再追问一轮；
- 你再把结果复制到笔记软件排版。
每一步都是你在当流水线工人，AI 只是流水线上的一台设备。
Agent 模式（本篇的用法）：
「这是我这门课的 4 段课堂录音，转写成文字后，按章节整理出：每章核心概念清单、老师强调过的考点、我该重点复习的三个部分，输出成一份 Markdown 笔记存到桌面。」
Agent 收到指令后会自己：调转写工具处理音频 → 读取转写结果 → 分章节归纳 → 生成文件 → 落盘。你从操作员变成了委托人。
术语卡：Agent（智能体）
Agent = 以大语言模型为大脑，能理解、感知、规划、记忆和使用工具的系统（OpenAI 的口径）。拆开说就是三件事：听得懂任务（理解）、想得出步骤（规划）、动得了手（用工具执行）。前面几篇你用的大多是「对话能力」，本篇解锁的是后两样。
2. Agent 的工作循环：感知 → 规划 → 行动
所有 Agent，无论产品形态多花哨，内核都是同一个循环：
| 环节 | 干什么 | 课堂录音例子 |
|---|---|---|
| 感知（Perceive） | 接收任务与环境信息 | 拿到你的 4 段音频、知道要输出到桌面 |
| 规划（Plan） | 拆解成步骤，决定先后 | 先转写→再分章→再归纳→最后生成文件 |
| 行动（Act） | 调用工具真正执行 | 调转写 API、读文本、写文件 |
关键在循环二字：行动后它会检查结果——转写成功了吗？章节切对了吗？——没达标就修正再来，而不是一口气莽到底。这个「干了→看看→再干」的过程，和人类做事的方式是同构的。
3. Copilot 与 Agent：副驾驶和主驾驶
业界常用一组驾驶类比区分两类 AI 产品：
| Copilot（副驾驶） | Agent（主驾驶） | |
|---|---|---|
| 谁掌握方向盘 | 你：每一步都由你确认、你执行 | AI：你只说目的地，它自己开 |
| 你在做什么 | 写一句、看一眼、贴一下 | 下指令、验收成品 |
| 适合 | 需要精细控制的任务（改论文措辞） | 流程明确的批量任务（整理资料） |
前面几篇教你当好「副驾驶席上的导航员」；本篇教你当好「坐在后排的车主」。车主不用会开车，但必须会验收——这车有没有开到你要的地方，只有你能判断（第 5 节细说）。
4. 为什么是现在：两块拼图凑齐了
「让 AI 替你干活」的想法十年前就有，为什么 2026 年才真正可用？因为两块拼图同时凑齐：
- 模型这块：大模型的能力跨过了「质变点」——能稳定理解复杂指令、长流程拆解不出大错。本站主线小米 MiMo 从 V2 系起就把 Agent/工具调用当作主打方向（还能操作电脑完成 3D 推理、Blender/KiCad 等任务），Kimi K2.5 更是能自主拉起上百个子智能体的集群，智谱、DeepSeek 也都把 Agent 能力列为头等大事——各家都在朝这个方向卷；
- 生态这块：2024 年底出现的 MCP 协议（4.4 讲会讲，先记名字）让 AI 连接外部工具变得像插 USB 一样标准化，工具生态爆发。
结果就是你即将看到的：零代码搭智能体的平台（4.2）、能操作你电脑的桌面 Agent（4.2c）……「多家大厂同时杀入 AI 办公」是 2026 年夏天的真实战况。
5. 预期管理：Agent 会翻车，验收是刚需
泼一盆必要的冷水。滑铁卢大学 TIGER Lab 等机构 2026 年的 ClawBench 测试，让主流 AI agent 完成 14 类真实网站上的日常任务（订票、查资料、填表格……），结果是：最强的模型（Claude Sonnet 4.6）成功率也只有 33.3%——平均每三个任务只能做成一个，其余全在翻车。
翻车的常见姿势
- 编造完成：声称「已成功保存文件」，实际文件不存在或内容是空壳；
- 跳步敷衍：流程走了一半，直接跳到「已完成」；
- 工具幻觉：调用了根本不存在（或没配置）的工具，然后自己脑补了结果。
所以本篇（以及全站）贯穿一条铁律：agent 说「做完了」不算数，你亲手验收才算数。就像你在创造篇预告里会再看到的——「AI 说已完成，你要自己点一点、试一试」。好消息是：验收比干活容易一百倍。文件打开看两眼、链接点进去验一下、数字和原表对一对——这些是任何大学生都具备的能力。
三条红线先记下（后面各讲会反复出现）
- 权限给到最小：agent 要读哪个文件夹就只授权哪个，别把整个硬盘交出去；
- 敏感内容不进 agent：身份证、成绩单、他人隐私，喂给能联网、能执行的工具风险远大于纯对话（详见规范篇 6.2）；
- 重要产出必核验：agent 生成的事实、引用、数据，按0.2 讲的反查 SOP 抽查。
跟做练习
实践（约 20 分钟，纯观察，不用装任何东西）
- 找一个你已经接触过的「带 agent 味」的功能：手机语音助手一句话定闹钟、AI 一键生成 PPT、输入法 AI 帮写——都算；
- 用本讲循环框架拆解它：它感知了什么？规划了哪几步？行动时调用了什么工具（联网？读文件？生成文件？）；
- 故意给它一个模糊指令（比如「帮我定个闹钟」不说时间），观察它怎么处理缺失信息——是追问你（好 agent），还是自己瞎猜（危险 agent）？
把观察结论写进你的学习笔记——这份「判断力」比任何操作技巧都值钱。
下一步
概念齐了，上手。先去别人家零代码看一眼成品长什么样（注意：那个生态的 AI 脑子是豆包，我们只学平台无关的方法论），再回到主线亲手造你自己的 → 4.2 观摩课：在飞书里看智能体（零代码）
本页核验日期：2026-09-22，2026-09-24 勘误（ClawBench 33.3% 系最强模型 Claude Sonnet 4.6 的任务成功率而非翻车率，原文表述有误，已修正；Agent 定义采用 OpenAI 口径、MiMo V2 系主打 Agent/工具调用均与 docs/01 调研快照一致；「四大厂杀入 AI 办公」为 2026 年夏季公开报道的格局描述）