Skip to content
Lv0AI Agent 科普进度 2 / 5

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 ​

Agent 的三样东西:模型负责想和提要求,工具是说明书加一段真正干活的程序,循环由程序来跑

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):

json
{
  "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:

  1. 模型说「调用 list_files」→ 程序列出 6 个文件名 → 加进对话,再问模型
  2. 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
  3. 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):

python
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。

👉 第 3 章:拆开一次运行

本文阅读--次|全站访问--次|访客--人