科普 · AI Agent 入门第二篇

Agent 是怎么干活的：
一个任务，在它脑子里要转多少圈

上一篇讲了 Agent 是什么，这篇打开盖子，看它干活的循环：理解目标、拆步骤、调工具、看结果、纠错，再来一遍。

假设你对 Agent 说：“帮我订下周三去上海的机票，越便宜越好，晚上 8 点前到。”你只说了一句话，它背后要转多少圈？答案是：一个不停转的循环——想一步、做一步、看一眼、改一下，直到交差。这篇文章就讲这个循环：它叫什么、为什么这样设计、什么时候会失控，以及你怎么判断一个 Agent 靠不靠谱。

资料基准日：2026 年 11 月 10 日 · 约 12 分钟读完 · 上一篇：《AI Agent 到底是什么》

先说结论

Agent 干活的核心就是一个循环：理解目标 → 拆成步骤 → 调用工具 → 看结果 → 纠错调整，再来一遍。

这个循环最有名的写法叫 ReAct（2022 年论文）：思考、行动、观察，三句话来回转。Agent 的聪明，一半在模型本身，一半在“会不会复查”：能自己发现错、自己改错的 Agent，比只会往前冲的靠谱得多。

但循环也会失控：目标不清楚、工具返回错信息、步数太长，错误会越滚越大。所以靠谱的 Agent 都有两样东西：检查点，和刹车。

一一次任务的五个动作

还是用订机票那个例子：“帮我订下周三去上海的机票，越便宜越好，晚上 8 点前到。”Agent 接到这句话，会做五个动作：

  1. 理解目标：把一句话翻成“要办成的事”出发地是哪里？默认你所在的城市。“便宜”是多便宜？没说，就先按“同条件下最低价”理解，超预算要先问你。目标理解错了，后面全错。
  2. 拆成步骤：大事拆成小事查航班 → 筛掉 8 点后到的 → 按价格排序 → 看退改签 → 下单 → 把行程单发你。每一步都是一件小事，单独看都不难。
  3. 调用工具：动手干活查机票的接口、比价、日历、支付。工具是 Agent 的手，没有工具就只能“建议你去订票”。工具从哪来？有些是产品自带的，有些通过开放协议接进来——比如 Anthropic 在 2024 年 11 月发布的 MCP 协议，就是让 Agent 统一接工具的开放标准。
  4. 看结果：对着目标一条条核对订到没有？价格多少？起飞时间对不对？把结果和目标逐条对上，才算数。
  5. 纠错调整：错了就回去重来没票了？换一班。价格超了？问你。支付失败？重试一次，不行就汇报。纠错不是“失败”，是循环里正常的一步。
理解目标 把一句话翻成要办成的事 拆成步骤 大事拆成小事 调用工具 查、比、订、付 看结果 对着目标一条条核对 纠错调整 错了就回去重来 目标 别跑偏
图 1 · Agent 干活的循环：五个动作围着“目标”转圈。第 5 步发现问题，就回到第 1 或第 2 步重新来。转多少圈，取决于任务多难、出错多少次。

注意：这五个动作不是走一遍就完，是转圈——第 5 步发现问题，就回到前面重新来。转多少圈，取决于任务多难、出错多少次。转圈本身不是低效，是 Agent 保证结果的方式。

二ReAct：边想边干

这个循环最有名的写法，叫 ReAct——Reasoning（想）+ Acting（干）。2022 年 10 月，姚顺雨等研究者发表论文（arXiv:2210.03629），做法极其简单：让模型在“想”和“干”之间来回切换——先写一句“我想……”，再做一个动作（比如查资料），看到结果，再写一句“原来如此，接下来……”。

以前模型是“闭卷考试”，全靠脑子里记得的东西答；ReAct 让它“开卷”——不知道就去查，查完再想。拿一个小例子看它怎么转：

想：要回答“上海今天天气怎么样”，我不知道，得查一下。

干：调用天气工具，查上海。

看：工具返回：25°C，多云。

想：有了，回答：上海今天 25°C，多云。

就这么三句话来回转。论文里，在两个模拟任务上，ReAct 比当时只会模仿的旧方法成功率高出一大截（ALFWorld 高 34 个百分点，WebShop 高 10 个百分点）。注意：这是实验室里的模拟任务，不是真实工作——数字看看方向就好，别把它当成产品的承诺。

ReAct 也有短板：它一次只往前走一步，不会停下来比较几条路；遇到“先想好再动手”更划算的任务，它可能在原地打转。这正是后来 Tree of Thoughts 这类方法要补的地方——只不过代价是更花时间、更花钱。

一句话记住：今天你用的几乎所有 Agent 产品，骨子里都在转这个圈：想、干、看、再想。

三规划：先画图纸，还是边干边想

循环里的“拆步骤”这一步，有两种做法，就像装修和做饭的区别：

先画图纸再动手

接到任务先列完整清单，再一步步执行。像装修先出图纸。好处是思路清楚、好检查；坏处是中途变了就得重画。适合步骤固定、结果能预料的任务。

边干边想

走一步看一步，像边做饭边尝味道。ReAct 就是这种。好处是灵活；坏处是容易跑偏、走冤枉路。适合情况不明、要查了才知道的任务。

很多产品是混着用：先画个粗图纸，执行时边干边调。2023 年还有研究者提出 Tree of Thoughts（思维树）：别只想一条路，同时想几条路、比较一下再选——像下棋时多看几步。代价是更花时间、更花钱，所以不是所有任务都值得。

怎么选？看两点：任务变不变、结果能不能预料。写一份月度行业报告，步骤固定、结果能预料，先画图纸更稳；处理一封客户投诉邮件，不知道对方会说什么、要什么，边干边想更合适。判断标准很简单：如果你自己上手做这件事，会先列清单还是直接开干？Agent 照你的习惯来，通常错不了——毕竟它学的就是人干活的样子。

还有一种：把任务分给几个 Agent

统筹的拆任务，干活的各做一块，最后汇总。Anthropic 在 2024 年 12 月的文章里把这叫 orchestrator-workers（统筹—工人模式），是五种常用套路之一。适合任务能拆成互不干扰的几块时；但人一多，协调成本也上来——和管团队一个道理。

四反思：Agent 的错题本

Agent 做错了怎么办？最笨的办法是原样再试一次；聪明的办法是先写一句“教训”记下来，下次避开。2023 年 3 月，Shinn 等人发表 Reflexion（arXiv:2303.11366）：Agent 把失败的原因用一句话写进记忆——“上次错在没先查退改签政策”——下次再遇到同类任务，先读这句教训。

效果很实在：在 HumanEval 编程测试里，加了反思的 Agent 一次通过率达到 91%，而直接用 GPT-4 是 80%。同样是那个模型，多了“写错题本”这一步，成绩就上去了。

但反思不是万能：它擅长纠正“走错路”，不擅长“没想到路”；而且反思本身也可能反思错——把对的改成错的。所以反思写进记忆之前，好的产品会先验证一下：按教训重做一遍，真的变好了才留。就像学生做错题：抄下错题不难，难的是下次遇到同类题真的不再错。

五为什么 Agent 会“想太多”或“走偏”

Agent 出错，很少是因为“模型不够聪明”，更多是因为目标、工具、检查这三处没管好。最常见的五个原因：

原因一 · 目标说得不清楚

“越便宜越好”到底是多便宜？“尽快”是一小时还是今天？Agent 只能按自己的理解猜，猜错了就全程跑偏。对策：目标说具体，能量化就量化。

原因二 · 每一步都可能错一点

查到的航班信息可能是旧的、比价时漏了一个平台、填表时写错一个日期。步数越多，错误越容易滚大。Anthropic 提醒过：自主性越高，错误累积的风险越大。

原因三 · 工具返回的东西也可能是错的

网页改版了、接口返回了过期数据、搜索结果里混进了广告。Agent 分辨不出“工具在骗它”，照单全收就会一错再错。

原因四 · 没有刹车

早期 AutoGPT 的经典毛病：卡在两步之间来回打转，停不下来，账单一直涨——它自己的说明文档就警告，这个程序“可能永远跑下去”。现在的产品一般会设上限：最多转多少圈、最多花多少钱，到线就停下来问人。

原因五 · 记混了

记忆是把双刃剑：记住了你的偏好是好事；记住了某次的错误结论，下次还拿来当依据，就是坏事。记忆需要定期“打扫”。

小错不纠正，就会越滚越大 目标不清楚 “越便宜越好” 是多便宜？ 步骤拆错 该先查退改签 却先下了单 工具用错 搜到了过期的 航班信息 结果出错 订了第二天 早上的票 自信汇报 还附上一句 “已办妥” 误差越滚越大 →
图 2 · 走偏链：最危险的不是最后一步错了，而是第一步的目标就没说清——后面每一步都在认真地错下去，最后还自信地汇报“已办妥”。

六四个问题，判断 Agent 靠不靠谱

买产品、批项目时，拿着这四个问题问一圈，心里就有数了。这四个问题是我总结的检查清单，不是官方标准；前两个看“能力”，后两个看“管得住管不住”——能力再强，管不住也不能上生产。

  1. 它做完会不会自己检查？订完票会不会把时间、价格和你的要求一条条对一遍？只会埋头干、不会回头看的 Agent，迟早捅娄子。
  2. 出错了会不会停下来问你？查不到票，是换个方案问你，还是自己偷偷改了条件、订了张你不想要的票？好的 Agent 是“拿不准就问”，不是“猜一个继续”。
  3. 关键动作要不要你点头？花钱、对外发消息、删改数据，这些动作能不能设成“必须我批准”？不能设的，别给它真金白银的权限。
  4. 它每一步干了什么，你能不能查到？有没有留下一条清晰的记录：查了什么、为什么选这班、花了多少钱？查不到记录的 Agent，出了问题没法复盘，也没法追责。

七一句话总结

记住这一句就够了：Agent 干活靠的不是一次想明白，而是“想一步、做一步、看一眼、改一下”的循环；循环转得越稳、检查越勤、刹车越灵，Agent 就越靠谱。

下一篇，我们讲 Agent 的“手”是怎么接上的：MCP 协议、工具、技能商店——以及为什么说，Agent 的能力边界，其实是工具的边界。到时候你会发现，Agent 的很多“聪明”，其实是工具给的。

八来源清单

核查日期均为 2026 年 11 月 10 日。标注“官方”的为直接打开官方页面核实；其余为可信二手来源的交叉核对。

说明：文中“四个问题”是我总结的检查清单，不是官方标准；ReAct 与 Reflexion 的数字均来自论文摘要原文，均为实验室基准测试结果，不代表真实工作场景的表现。