A6什么是 AI Agent：模型、工具和一个循环

8 点 50，签到表没打印出来

2026 年 4 月，手工川 AI 创造营第一期开课那天，早上 8 点 50，签到表没打印出来。

按老办法，我应该手忙脚乱地翻 Excel、贴桌签。那天我打开 Claude Code，说了一句：帮我做一个签到页，扫码就能上墙，每个人到了点一下名字，附一句自我介绍。然后我就去开门迎人了。

回来的时候，流程已经跑通。配色、后端、内网穿透这些技术活，都是它自己搞定的。第一节课还没开始，第一节课已经开始了。

我只给了一个目标。要写哪些文件、跑哪些命令、怎么让大家的手机扫得到，都是它自己决定的。这就是 AI Agent 和一个聊天框的分别。

一句话定义

Anthropic 在 2024 年 12 月发表的《Building effective agents》里，有一句我很喜欢的话：

拆开看是三样东西。模型负责想；工具负责做，比如读写文件、执行命令、打开网页；循环负责“做完看结果，不对再改”。少了循环，它就是一次问答；少了工具，它只能说不能做。

工作流和 Agent 的分界

同一篇文章把这类系统分成两种。工作流用预先写好的代码路径，把模型和工具串起来；Agent 让模型自己动态决定流程和工具怎么用，自己掌控完成任务的方式。

Anthropic 的建议很实在：先找最简单的方案，只在确实需要时再加复杂度；很多场景里，把一次模型调用优化好就够了。这和 A1 讲的分诊是一个道理：步骤固定、要求稳定的，用工作流；步骤事先说不清、要边做边判断的，才值得交给 Agent。

一台 Agent 工作台的四层

我习惯把一台能持续干活的 Agent 工作台拆成四层：上下文层、模型层、能力层、闸门层。

大部分人只在模型层上花心思：哪个模型最强，哪个最便宜。可模型是所有人都能买到的，真正拉开差距的是上下文层和闸门层，前者决定它懂不懂你，后者决定你敢不敢把事交给它。

把这几层装在一起的运行环境，有一个专门的名字叫 Harness，原意是马具。后面讲 Agent Harness 的部分会专门展开。

它会自己设循环，也会误解你

2026 年 4 月，我在准备第一期海报时迭代了小几十个版本。快要定稿的时候，Claude Code 自动压缩了一次上下文，注意力出现偏差，误以为我要重构设计。它给自己设了一个“设计、实现、审阅、再设计”的循环，几分钟后重构出一版让我震惊的成品，一次通过。

我盯着屏幕想：设计真的不存在了。可这件事也有另一面，它是在误解我的前提下动的手。那次是惊喜，换一个场景就可能是事故：第一期创造营的一位嘉宾讲过，他上台那天早上发现，前一晚的 PPT 被自己跑的某个 Agent 覆盖了，花了一个小时回滚版本才找回来。

三个常见误区

• —把 Agent 当函数。 丢进去，等结果。它是一个循环，你可以在任何一轮介入：方向错了就打断，卡住了就贴日志，它说完成了就让它跑一遍测试。
• —以为 Agent 越多越好。 一个人同时开三台车，不叫车队。多个 Agent 的价值在实现、审查、裁判的分工，关键是验收口径不同。
• —它说完成了，就当完成了。 在终点放一道检查：自动跑测试、看改动、让另一个 Agent 审一遍，没过就接着改。这类机制叫 Stop Hook。