第 2 章:模型、工具、循环
本章目标:拆开 Agent 的三样东西,看清工具是什么、模型怎么「调用」工具、循环由谁来跑。
开篇:模型没有手
上一章说 Agent「有手」,这是个比喻。模型本身只会做一件事:读一段文字,接着写一段文字。 它没法打开你的文件夹,也没法点开一个网页。
那它是怎么「调用」list_files 的?答案是:它没调用,它只是写了一句「请帮我调用 list_files」,真正动手的是另一段程序。
这一章把这句话拆开讲清楚。
学完这一章,你能:
- 说清工具对模型来说是什么
- 看懂模型「请求调用工具」时输出的东西
- 说清循环由谁来跑、什么时候停
- 纠正几个关于 Agent 的常见误解
2.1 三样东西
| 部分 | 是什么 | 在上一章的例子里 |
|---|---|---|
| 模型 | 会读会写的大模型,负责判断下一步做什么 | deepseek-flash |
| 工具 | 一段说明书(给模型看)+ 一段程序(真正干活) | list_files、read_file |
| 循环 | 一段很短的程序:替模型跑腿,把结果递回去,直到它说完 | 跑了 3 轮 |
2.2 工具是一段说明书
模型看到的工具,就是这样一段文字:
| 名字 | 说明 | 需要什么参数 |
|---|---|---|
list_files | 列出笔记文件夹里的所有文件名 | 不需要 |
read_file | 读取一篇笔记的全文 | name:文件名,必须是 list_files 返回的其中一个 |
它不知道 list_files 背后的代码是怎么写的,也不需要知道。它只知道:有这么个东西,干这个用,要这些参数。
所以说明写得好不好,直接影响它会不会用、会不会用错。read_file 的参数说明里特意写了「必须是 list_files 返回的其中一个」,就是为了让它先列目录、再按真实的文件名去读,而不是自己编一个文件名。
这和《Prompt 工程》里写分类标准是同一回事:工具说明也是 Prompt。
2.3 模型只是「提要求」
把任务和工具说明一起发给模型,它回来的不是答案,而是这样一段东西(真实返回,未改一字,只删掉了一个很长的编号):
{
"content": "我先看看文件夹里都有哪些笔记。",
"tool_calls": [
{
"type": "function",
"function": {
"name": "list_files",
"arguments": "{}"
}
}
]
}意思是:「我先看看文件夹里都有哪些笔记,请帮我调用 list_files,参数为空。」同时,返回里的结束原因写的是 tool_calls,而不是平常的 stop,表示它还没说完,在等工具的结果。
到这一步,什么文件都还没被读过。模型只是提了个要求。
2.4 循环由程序来跑
谁来满足这个要求?一段很短的程序,它做的事情是这样一圈:
上一章那次运行,这个圈转了三次:
- 模型说「调用
list_files」→ 程序列出 6 个文件名 → 加进对话,再问模型 - 模型说「调用 6 次
read_file」→ 程序读出 6 篇笔记 → 加进对话,再问模型 - 模型不再要工具,直接写了最终回答 → 圈结束
真正打开文件的,始终是程序。 模型每一轮都只是读完目前为止的所有内容,决定下一步要什么。
这个圈有一个通用的名字叫 Agent 循环(也有人叫它 ReAct:推理一步、行动一步)。名字不重要,记住这张图就行。
2.5 所以,它能做什么取决于你给了什么
既然真正干活的是程序里的工具,那么:
- 只给它
list_files和read_file,它就只能看,不能改。你怎么求它删文件,它都做不到 - 给它一个「删除文件」的工具,它就有可能删文件,至于删不删、删哪个,由它判断
- 给它一个「执行任意命令」的工具,它理论上什么都能干
给 Agent 工具,就是给它权限。 这是第 4 章的主题。AI 编程工具每次问你「是否允许执行这条命令」,就是在把权限一级一级交给你决定(Lv0「AI 工具上手」第 3 章讲过那个阶梯)。
2.6 几个常见误解
| 说法 | 实际上 |
|---|---|
| 「Agent 会自己上网」 | 只有给了它搜索工具才会。没有工具,它和聊天一样只靠训练时学到的 |
| 「Agent 有长期记忆」 | 一次运行里的「记忆」就是那段越来越长的对话;下次重新开始,它什么都不记得,除非你给它一个读写记忆的工具 |
| 「Agent 是一种更高级的模型」 | 它用的就是普通的大模型。上一章聊天和 Agent 用的是同一个 deepseek-flash |
| 「Agent 会自己学习、越用越好」 | 模型在使用中不会变。它表现变好,是因为人改进了工具说明、规则和流程 |
幕后(可选)
循环的核心代码只有十几行,大致是这样(简化过):
messages = [{"role": "user", "content": task}]
for step in range(10): # 最多 10 轮,防止停不下来
resp = client.chat.completions.create(model="deepseek-flash", messages=messages, tools=TOOLS)
msg = resp.choices[0].message
if not msg.tool_calls: # 不要工具了:这就是最终回答
print(msg.content)
break
messages.append(msg) # 把「我要调用工具」这句加进对话
for call in msg.tool_calls: # 程序替它把每个工具都执行一遍
result = run_tool(call.function.name, json.loads(call.function.arguments))
messages.append({"role": "tool", "tool_call_id": call.id, "content": result})run_tool 就是真正去读文件夹的那几行普通代码。学过《大模型 API 调用》的读者,这段已经能看懂大半;Lv2 支线「结构化输出与 Function Calling」会从头讲怎么写。
试一试
- [ ] 用一句话向朋友解释:Agent 的「调用工具」到底是谁在动手
- [ ] 想象你给 AI 一个「发送邮件」的工具。它的说明你会怎么写?哪些话一定要写进去?
本章小结
| 要点 | 说明 |
|---|---|
| 模型 | 只会读和写;判断下一步要什么 |
| 工具 | 给模型看的说明书 + 真正干活的程序;说明也是 Prompt |
| 调用工具 | 模型输出一段「请调用某工具、参数是什么」,结束原因是 tool_calls |
| 循环 | 程序执行工具、把结果加进对话、再问模型,直到它不再要工具 |
| 权限 | 它能做什么,取决于你给了什么工具 |
下一章预告
三轮、4.4 秒、7 厘钱,听起来很轻松。可每一轮发给模型的东西有多长?同一个问题再跑一次,它还会走同一条路吗?
下一章把一次运行的每一轮都摊开。