Appearance
Agentic AI：从对话到 Agent
2022 年末，ChatGPT 让很多人第一次直观感受到 AI 的能力。紧接着，新名词一波接一波：Prompt Engineering、Agent、RAG、CoT、MCP……
你可能还在理解“大模型”，大家就已经在聊 Agentic AI（智能体）了。会迷糊吗？很正常。但好消息是：你不需要搞懂所有名词，也能开始用起来。
Agent 是什么？
先说清楚一个经常被混淆的概念：不是所有调用了 AI 的系统都叫 Agent。
一个 Agent 通常需要同时满足四个条件：
- 目标驱动（Goal-driven）：你给它一个意图，而不是一步一步的指令。比如“帮我整理今天的会议纪要”，而不是“先打开文件，再找到第三段，再复制……”
- 自主规划（Autonomous Planning）：它自己决定怎么拆解任务、按什么顺序执行。
- 工具使用（Tool Use）：它能调用外部工具，比如读写文件、执行命令、访问 API，把想法变成结果。
- 环境适应（Environmental Adaptation）：它能根据中间结果调整策略。执行到一半发现路不通，会自己换一条路。
这四个条件缺一不可。再看几种常见的误解：
一个只能问答的聊天机器人，即使背后调用了大模型 API，也不算 Agent：它没有自主规划和工具使用。一个预设好的自动化流程（比如“每天早上 8 点发邮件”），也不算 Agent：它缺少环境适应能力，遇到意外就卡住了。RAG 系统（检索增强生成）同样不算：它只是在做信息检索和总结，没有自主规划和行动能力。
这些系统都有各自的价值，但理解它们和 Agent 的区别，能帮你判断“什么时候该用什么”。
一个实用判断是：能用普通对话解决，就先用普通对话；能用固定流程解决，就先用固定流程；只有当任务需要根据中间结果不断调整路径时，再考虑 Agent。
不要焦虑
在正式开始之前，我想先说一件最重要的事：不要焦虑。
你可能会觉得：新工具这么多、模型更新这么快、别人都在用最新的东西了，我是不是落后了？
答案是：没有。
模型排行榜每个月都在变，今天的第一名明天可能就被超越。对学习者来说，要紧的不是“哪个模型最强”，而是你能不能用它解决问题。
能用、好用、顺手用，就够了。不需要追新，不需要追最贵的。工具会过时，但你建立的思维方式和技能不会。
更实际的做法是：先把 AI 用进你手边的小任务里。让它帮你整理一段会议记录、改一封邮件、分析一个表格、写一个小脚本。你会很快知道它适合什么、不适合什么。
但“用起来”不等于“什么都交给 Agent”。Agent 处理的是自然语言和概率式判断，天然会有不稳定的一面。对高风险流程来说，可确定的部分仍然应该交给脚本、测试、审批和清晰的规则。AI 适合探索、整理、生成和调度；必须稳定执行的部分，要尽量落到确定性的流程里。
Prompting 是一切的基础
不管你用的是最基础的聊天机器人，还是最复杂的 Agent 系统，有一件事始终不变：你需要把意图说清楚。
这就是 Prompting（提示）：用精确的语言告诉 AI 你想要什么。
很多人觉得 Prompting 就是“写一条好问题”。其实不止。Prompting 是一种沟通能力：你想要什么结果？有哪些背景信息？有什么限制？期望什么样的输出？
后面我们会详细展开。但现在请记住：不管技术怎么演进，Prompting 始终是一切能力的底层。MCP、Skills、Multi-agent 这些概念，都建立在你能精确表达意图的基础上。
升级对齐定律：底层能力会重置技巧优势
学习 AI 很容易陷入一种误区：今天学了一个复杂技巧，明天又冒出一个新工具，好像永远追不上。
这里有一个更适合长期记住的规律：一旦底层模型升级，很多围绕旧能力缺口发展出来的技巧，就会变成不那么要紧的细节。大家会被重新拉到接近同一个起点。
这就是升级对齐定律，也可以叫升级归零定律。
图像生成就是一个很直观的例子。早期你可能需要记一大串提示词、参数、风格权重，甚至要训练 LoRA、反复 inpainting。模型升级以后，同样的需求可能一句话就能完成。以前的技巧不是完全没用，而是从“必须掌握”变成了“需要时再用”。
Agent 也是一样。上下文变长、模型推理变强、工具调用更稳定以后，一些复杂的 Harness 设计、提示词花活、上下文压缩技巧，都会被底层能力吃掉一部分。你不需要因为没掌握每个流行词就焦虑，因为很多流行词本来就是在补旧模型的短板。
这并不意味着学习没用了。留下来的能力更基础：你是否能把问题说清楚，是否能判断结果对不对，是否能把不稳定的部分和确定性的流程分开。工具会升级，旧技巧会归零，但这些能力不会归零。
技能比工具重要
技术变化很快。今天的热门工具，明天可能就被替代。但有些东西不会过时：
- 拆解问题的能力：不管用什么工具，你都需要先把问题想清楚。
- 精确表达的能力：不管模型怎么进化，你都需要说清楚你要什么。
- 迭代优化的能力：第一次结果不满意时，知道怎么调整。
- 判断结果的能力：AI 给了答案，你能判断它对不对。
这些是技能，不是工具。工具会变，技能不会。
所以，学习本教程的目标不是“掌握某个工具”，而是建立一套思维方式：怎么发现问题、怎么拆解问题、怎么和 AI 协作解决问题。
教程大纲
本教程分为六个部分，外加技术附录。前三部分面向所有用户，后三部分面向开发者与进阶创造者。
第一部分：AI 协同基础（AI Essentials）
- 思维转变：从“搜索”到“生成”，理解 LLM 的概率式输出。
- 把需求说清楚：Prompting 四要素：目标、上下文、约束、格式。
- 迭代对齐：多轮对话的本质是不断对齐理解。
- 常见陷阱：Context Bloat、Mega-Prompt 等反模式。
第二部分：多模态创作能力（Multimodal Creativity）
- 升级对齐定律：底层模型升级如何降低技巧门槛。
- 视觉创作与理解：图像生成、截图分析、图表解读与设计反馈。
- 动态叙事：视频生成与镜头语言。
- 工作流整合：从文本到多媒体的创作链路。
第三部分：高级 Prompting 与推理增强（Advanced Prompting & Reasoning）
- Chain-of-thought：把复杂问题拆成可检查的假设、依据和结论。
- ReAct：让 AI 在推理、行动和观察之间循环推进任务。
- RAG：先检索外部知识，再基于资料生成回答。
- 模型原生推理：理解强推理模型如何改变提示词写法。
- 准确性控制：幻觉、确认偏误和高风险节点的验证方法。
--- （以下章节面向开发者与进阶创造者） ---
第四部分：AI Coding 实践（AI Coding）
- 自然语言编程：Chat-to-Code 的基本模式。
- 环境配置：Cursor / Windsurf / VS Code + Copilot。
- 项目实战：从零构建并部署一个 Web 应用。
- 局限与边界：架构债务、上下文爆炸、安全盲区。
第五部分：Agent 机制与构建（Agentic System）
- 从脚本、Workflow 到 Agent：先判断什么时候需要 Agent。
- Agent 内部机制：Loop（感知→思考→行动→观察）、Run、Snapshot。
- Memory：短期记忆、长期记忆与工作区检索的边界。
- Tool Use 与 MCP：模型如何与外部世界交互，以及工具该怎么设计。
- 权限模型：Ask / Skip / Deny。
- 安全意识：零信任、数据脱敏、权限边界。
- 动手练习：自己实现一个简单的 Agent Harness。
第六部分：Agent 实践与治理（Agent Practice）
- 配置与治理：Rules、Skills 的使用。
- 指令层级：SOUL.md → AGENTS.md → Rules → Prompt。
- Multi-agent：实现模式（顺序、并行、辩论、分层）与适用场景。
- 评估与调试：任务样本、过程追踪、回归检查。
- 安全与生产化检查：权限、成本、延迟、失败处理。
- M×N Gateway：企业级 Agent 集成的概念。
技术附录
- API 调用与 Function Calling：用 JavaScript 调用 LLM、Embedding、Image、Audio API。
- RAG 技术详解：向量嵌入、HNSW 索引、混合搜索策略。
反馈与建议
如果发现教程中有过时、错误或不清楚的地方，或者有任何问题和建议，欢迎通过 GitHub Issues 提交反馈。
小结
- Agentic AI 的变化，是从“对话”走向“行动”。
- Agent 需要同时满足目标驱动、自主规划、工具使用、环境适应四个条件。
- Prompting 是一切的基础：不管技术怎么演进，精确表达始终有用。
- 升级对齐定律提醒我们：底层模型升级会让很多旧技巧变成细节，把大家重新拉到接近同一个起点。
- 技能比工具重要：建立思维方式，而非记忆工具。
- 高风险流程要保留确定性：能用脚本、测试和审批说清楚的部分，不要全交给 Agent 猜。
- 不要焦虑：Utilization is all you need。
练习
- 用一句话描述一个你希望 AI 帮你完成的小任务，并补充 2 条限制条件。
- 把一个“看起来很大”的目标拆成 3 个可执行的步骤。
- 选一个你想自动化的任务，判断它更适合普通对话、固定流程，还是 Agent，并写下理由。
- 回想你最近一次和 AI 聊天的经历：你是怎么表达需求的？结果满意吗？如果不满意，问题出在哪里？