AI 模型与 Agent：零基础需要知道的概念

大语言模型（Large Language Model，简称 LLM）是一种经过海量文本训练的 AI 系统。你可以把它理解成一个超级强大的"语言函数"——你给它一段文字输入，它根据学到的知识生成一段合理的文字输出。 第一次理解它，只需要记住三件事： 1. 你输入什么：问题、要求和参考资料。 2. 它看到什么：当前问题、前面的对话、系统提供的规则和资料。 3. 它输出什么：根据这些上下文生成的下一段内容。 所以，和 AI 交流不是在按一个"唯一正确答案"按钮。你提供的信息越具体，它越容易生成符合要求的结果；信息缺失时，它也可能误解或补出并不存在的细节。 模型的能力来自三个训练阶段： 1. 预训练：在海量互联网文本上学习语言规律和世界知识，就像一个人读了几百万本书。 2. 后训练：用问答数据、工具调用数据把它训练成一个能听指令的助手，从"博学的人"变成"靠谱的员工"。 3. 偏好优化：通过人类反馈进一步提高回答的准确性和实用性。 训练完成后，模型的工作方式可以用一个公式概括： 输出 = 模型（系统提示词 + 工具列表 + 对话历史 + 其他上下文 + 你的指令） 有两个关键限制需要记住： • 模型是无状态的：每次对话它不会自动记住上一次的内容，需要系统帮它管理上下文。 • 知识有截止日期：训练之后发生的新事情，模型默认不知道，需要通过搜索或工具来补充。

普通 AI 对话（如 ChatGPT、文心一言）的工作模式是：你问一个问题，它给一段回答。第一次交流通常有四步：你说清任务 → AI 结合上下文生成回答 → 你检查回答 → 你继续追问或纠正。这个过程主要发生在对话窗口里，模型本身不会自动去执行真实操作。 Agent（智能体）则完全不同。Agent 不仅能"想"，还能"做"： • 普通 AI：你说"帮我查今晚的天气" → 它告诉你方法或猜测一个答案 • Agent：你说"帮我查今晚的天气" → 它调用天气 API 获取实时数据 → 把真实结果告诉你 用一个比喻来说： • 普通 AI 像一个"只动嘴的顾问"——它可以给你建议和方案，但不会帮你动手。 • Agent 像一个"有手有脚的实习生"——它不仅能理解你的需求，还能调用各种工具帮你完成实际操作。 Agent 的核心循环是：接收指令 → 思考与规划 → 调用工具执行 → 观察执行结果 → 根据结果调整计划 → 再次执行。这个循环会重复进行，直到任务完成、遇到阻塞，或碰到需要你确认的高风险操作。 这里的"思考"可以简单理解为分析目标和选择下一步，并不代表 AI 像人一样拥有意识。真正重要的是：它每执行一步，都应该读取真实结果，再决定下一步，而不是从头到尾只凭猜测。

工具调用（Function Call / Tool Call）是 Agent 与外部世界交互的基础能力。 它的工作流程分为五步： 1. 系统提供工具定义：告诉模型有哪些工具可以用，每个工具能做什么、需要什么参数。 2. 模型生成调用请求：模型分析你的需求，决定需要调用哪个工具，并生成结构化的调用参数。 3. 系统验证并执行：Host（WorkBuddy 系统）检查权限、验证参数，然后真正执行这个操作。 4. 返回结果：执行完毕后，把 Tool Result 返回给模型。 5. 模型继续处理：拿到结果后，模型决定是直接回答你，还是继续调用其他工具。 举个例子：你问"帮我看看今晚 A 队的比赛怎么样了" → 模型决定调用 get_match_status 工具 → 系统查询比赛 API 获取实时数据 → 返回"A 队 2:1 获胜" → 模型用自然语言告诉你结果 关键点：模型负责决定"调用什么"，系统负责"真正执行"。这种分工让 AI 既智能又安全。

System Prompt（系统提示词）是每次 Agent 启动时最先读到的一段指令，相当于给它一张"入职说明书"。 它定义了几件事： • 角色与目标：你是谁，你的工作是什么 • 工作原则：做事的基本规矩（比如"先读取现状再修改"） • 安全边界：哪些事绝对不能做 • 交互方式：怎么和用户沟通 • 当前环境：现在在什么工作空间、有什么权限 System Prompt 负责引导行为方向，但它不能替代外部的强制安全边界。就好比公司给新员工一份行为准则手册，但真正涉及敏感操作时，还是需要审批流程和权限系统来把关。 理解这一点很重要：WorkBuddy 之所以能在不同场景下稳定工作，就是因为它有一套精心设计的 System Prompt 来"定义角色"，再配合权限校验、审计日志等系统级安全措施来"约束行为"。

MCP（Model Context Protocol，模型上下文协议）是 AI Agent 领域的一个重要标准——它解决的是"外部系统怎么标准化接入 Agent"的问题。 你可以把 MCP 理解成 AI 世界的"USB 接口"： • 没有 USB 之前：每个设备都要专门的连接线，打印机一种、鼠标一种、硬盘又一种。 • 有了 USB 之后：一个接口就能连接各种设备。 MCP 的架构有三个角色： • Host（主机）：承载 Agent 的应用，管理模型、界面和权限。 • Client（客户端）：负责发现和连接外部服务。 • Server（服务器）：连接具体的业务系统，对外暴露三种能力： - Resources（只读资源）：可以读取的数据 - Tools（可执行动作）：可以执行的操作 - Prompts（提示模板）：预设的交互模板 在 WorkBuddy 中，MCP 让你可以把腾讯文档、GitHub、知识库等外部系统"插"到 Agent 上，让它能读取和操作这些系统中的数据。 需要注意：MCP 解决的是连接标准化的问题，认证授权、数据安全、网络隔离仍然需要各个系统自己负责。

Tool（工具）解决的是"一个动作"的问题——比如"读取一个文件"、"发送一条消息"。但真实工作中的任务往往需要多步骤配合完成。 Skill（技能）解决的是"一类任务怎么做"的问题： • Tool 像一个螺丝刀：一个入口、一组参数、一次执行。 • Skill 像一条生产线：包含步骤、约束、脚本、失败处理和验收标准。 举个例子： • Tool："读取 Excel 文件" → 只负责把数据读出来 • Skill："分析销售数据并生成月报" → 包含数据读取、清洗、计算、图表生成、报告排版等完整流程 Plugin（插件）则更进一步，解决的是"怎么把一组能力打包分发"的问题。一个 Plugin 可以包含多个 MCP 连接、多个 Skill、配套的规则和模板——就像手机上的 App，安装一个就获得一整套功能。 在 WorkBuddy 中的对应关系： • 内置 Tool：读文件、执行命令等基础操作，延迟低、权限深 • MCP/连接器：接入腾讯文档、IMA 等外部系统 • Skill：团队沉淀的标准工作流程 • Plugin：连接 + 流程 + 规则 + Hook，一键安装的完整方案

当你在 WorkBuddy 中输入一个任务时，背后会经历这样一个完整的流程： 1. 接收指令：你的任务描述 + 系统提示词 + 可用工具列表 + 对话历史一起送入模型。 2. 思考与决策：模型分析你的需求，决定下一步该做什么。 3. 调用工具：如果需要操作（读文件、搜索、计算等），模型生成工具调用请求。 4. 权限校验：系统检查这个操作是否在允许范围内，高风险操作可能需要你确认。 5. 执行操作：通过内置 Tool、MCP 或其他能力真正执行。 6. 返回结果：执行结果返回给模型，模型决定是继续调用工具还是给出最终回答。 7. 循环迭代：步骤 2-6 可能重复多次，直到模型认为任务完成。 这个循环常被称为 ReAct 模式（Reasoning + Acting）：每一步都是"思考—行动—观察—调整"。它不是一次规划后机械执行到底，而是根据每次执行得到的新证据继续行动。 用"整理会议记录"举例： • 第一次执行：读取会议记录并生成三条待办。 • 第一次观察：发现第二条待办在原文中没有负责人。 • 调整计划：不猜负责人，把这一项标为"待确认"。 • 第二次执行：更新待办清单，再检查数量和原文是否一致。 这就是 Agent 和普通一次性回答最关键的区别：它会用工具获得真实结果，并根据结果进入下一轮。 值得注意的是，随着任务的推进，对话历史会越来越长。这就引入了 Context Engineering（上下文工程）——系统需要智能地管理模型能"看到"什么信息，在有限的窗口内保留最重要的内容。 这就是为什么你在使用 WorkBuddy 时，最好"一次只做一件事"——太复杂的任务会导致上下文膨胀，影响执行质量。

你不需要成为 AI 专家才能用好 WorkBuddy，但理解上面这些基本概念会帮助你： 1. 写出更好的任务描述：知道模型是"根据输入产生输出"，你就会更注重把需求说清楚。 2. 合理拆分任务：知道上下文窗口有限，你就理解了"为什么一次只做一件事"效果更好。 3. 理解执行边界：知道工具调用的机制，你就能判断哪些任务 WorkBuddy 能做、哪些做不了。 4. 高效使用 Skill：知道 Skill 是"标准工作流程"，你就会主动去发现和使用适合的 Skill。 5. 善用 MCP 连接器：知道 MCP 是"标准接口"，你就能理解为什么连接外部系统后 WorkBuddy 变得更强大。 带着这些认知，我们接下来正式开始学习 WorkBuddy 的使用——从安装第一步开始。