第 5 课 · 那 Agent 到底是什么？
给会接话的人装上手和眼睛，让他不光会说，还能自己动手把事办了
前四课讲完，你应该已经明白大模型是什么、边界在哪了。现在最关键的问题来了：天天听到的 AI Agent，到底比大模型多了什么？
如果说大模型是一个特别会接话、脑子里知识很多的人，那 Agent 就是给这个人装上了手和眼睛，让他不光会说，还能自己动手把事情办了。
观察 → 思考 → 行动的循环
一个 Agent 会不停地做一件事：
- 观察：先看看现在是什么情况，比如这封邮件写了什么、表格里现在有什么数据
- 思考：想一想接下来该干什么，比如这封邮件需要回复，而且要先查一下订单号
- 行动：真的去做，比如打开表格查订单号、写一封回复邮件、点击发送
- 再观察：做完看看结果对不对，如果不对，回到第 1 步重新来
这个循环像什么
像你在家里找钥匙。
你不会站在原地一直想钥匙在哪，你会：看一眼门口鞋柜（观察）→ 猜可能在外套口袋（思考）→ 伸手掏一下（行动）→ 没有？（观察）→ 那猜猜包里（思考）→ 翻一下（行动），直到找到为止。
你是在边做边纠错，不是提前规划好每一步。Agent 干活也是这个逻辑：它不需要一开始就知道完整的解决方案，它只需要每一步都看一眼、想一下、动一下，走错了也能纠正。
一句话总结区别
普通 AI 聊天
AI Agent
Agent 的「手」具体是什么
就是我们说的工具。查数据库这个动作、发邮件这个动作、搜索网页这个动作，都被打包成了一个个 Agent 可以调用的工具。
Agent 的思考环节，本质上就是在判断：我现在应该用哪个工具、传什么参数。
这也是为什么设计一个好用的 Agent，很大一部分工作是给它准备合适的工具，并且规定好每个工具能不能用、什么时候用。第 8 课会详细讲这个。
常见问题
可以这么粗略理解：
Agent = 大模型（负责想）+ 一套能反复循环调用的机制（负责看、动、再看）+ 一堆工具（负责动手的具体手段）
三者缺一不可。少了循环它就只能答一次；少了工具它就只能说不能做。
不一定。就像你找钥匙也可能翻错地方，Agent 也可能走弯路。
好的 Agent 系统会设计检查和纠错机制，让它能发现自己错了并重新来，而不是一条路走到黑。也会设上限，防止它无限循环下去。
好问题，这正是 Agent 的价值之一。通过工具，它可以去查。
给它一个「查订单」的工具，它就能拿到你们真实的订单数据。所以第 3 课那五条边界里，第一条和第二条在 Agent 场景下能被大幅缓解，剩下三条依然成立。
本课自测
参考：普通 AI 是你问它「钥匙一般会在哪」，它告诉你「一般在玄关或口袋」。Agent 是它自己去玄关看一眼、去口袋掏一下，找到了拿给你。
如果你能不看这页讲出来，这一课就通了。
A. 你说「帮我写封请假邮件」，它给你一段邮件正文，你自己复制去发 B. 你说「帮我跟老板请下周三的假」，它查了你的日历确认没冲突、写好邮件、发出去、然后告诉你已发送
A 是聊天工具，B 是 Agent。分界线不在于回答得好不好，而在于它有没有真的动手把事办完。
小结：Agent 的核心不是更聪明，而是多了观察思考行动的循环，加一套可调用的工具，能自己纠错、自己把事情办到底，而不是只回答一次就结束。