概念理解：模型 + 工具 + 循环

这段时间开始学习 AI Agent（智能体）。我的理解是：普通的 AI 对话是「一问一答」，而 Agent 是「定一个目标，让它自己分多步完成」。拆开来看，一个 Agent 大致由三部分组成：

  • 模型：负责思考和判断「下一步该做什么」；
  • 工具：它能调用的手段，比如读文件、运行命令、检索资料；
  • 循环：观察现状 → 思考 → 调用工具 → 记录结果，如此反复，直到目标完成。

可以把它理解成一个按流程干活的助手：你只交代目标和规矩，中间的步骤它自己推进，每一步都有记录可查。

动手实践：整理我的笔记目录

为了验证理解，我做了一次小实践：让 Agent 帮我整理自己电脑上积累的几十个零散笔记文件。我给出的目标是「按主题把笔记归档到对应文件夹，并生成一份归档清单」。实践过程记录如下：

  1. 先把笔记目录完整备份了一份，再开始任何操作；
  2. 交代清楚规则：只移动和重命名，不允许删除任何文件；
  3. Agent 先读取目录清单，给出归档方案让我确认；
  4. 确认后它分小批执行，每批结束汇报结果；
  5. 最后生成归档清单，我抽查了十几个文件，位置都正确。

整个过程大约十分钟，比手工整理快很多，而且每一步都有记录，出了问题可以顺着记录找回去。

流程伪代码

根据这次实践，我把 Agent 的工作循环整理成一段伪代码，存在知识库里：

loop:
  观察：读取当前目录与文件清单
  思考：对照目标，判断下一步调用哪个工具
  行动：调用工具（读取 / 重命名 / 归档）
  记录：把本步结果写入日志
until 目标完成，或达到人工设置的步数上限

风险与边界

实践中我也总结了几条安全边界，作为以后使用 Agent 的固定规矩：

  • 权限最小化：只开放完成目标所必需的目录和功能，不给多余的权限；
  • 先备份再动手：涉及文件改动前，先做一次完整备份；
  • 关键步骤人工确认：方案确认、批量执行等节点，必须由我点头后再继续；
  • 全程留痕：要求它记录每一步操作，便于事后核对。

以上就是我对 AI Agent 的初步学习记录。概念上有了轮廓，也动手验证了一次，后续再深入学习它在编程场景里的用法。