七章交出去的是同一件东西：决定下一步做什么
阅读方式：微信读书网页版，从版权页翻到第 10 章末，共 557 屏、10 章、12 分 09 秒。 十章：何谓 Agent、技术框架、三套工具，再加七个 Agent——PPT 生成、函数调用、ReAct 定价、计划执行、RAG、AutoGPT 系、多 Agent 系。
这本书的结构，是我读的这一批里最工整的：七章，七个 Agent，每个解决一类问题。
工整到你会以为它是拼的。但读完发现不是——这七章其实是一条线，而且这条线只回答一个问题：
"下一步做什么"，这个决定交给谁了？
从人交给模型，从"模型填空"交到"模型自己定目标"。七个 Agent，就是七次移交。
一、Agent 1 到 2：先让它产出"东西"，再让它"选动作"
第一个 Agent 用 Assistants API 加 DALL·E 3 做 PPT。书里给的代码骨架很朴素：建 Thread、往里塞 Message、再 create 一个 Run，然后轮询 Run 的状态。
这个"轮询"的细节值得注意——它说明这一代接口的本质还是异步任务：你交活，它慢慢做，你去问做好了没。跟人对接外包没什么区别。
而它产出的不是一段文字，是一份 PPT。"交付物"这件事，从这一章开始变了。
第二个 Agent 用 Function Calling，做"多功能选择的引擎"。这里有个特别容易被误解的点，书里说清了：
模型并不执行函数。 它只回给你一个结构化结果——该调哪个函数、传什么参数。真正的调用动作，是你的代码做的。
所以我一直觉得 "Function Calling" 这个译名有点误导。它不是"调用函数"，是"告诉你该调哪个函数"。
而这件事的意义在于：它第一次把"选择"这件事交给了模型。 你不再需要写 if-else 判断用户想干什么，模型替你判断。
但也就到此为止了。流程仍然是你写死的，模型只在给定的几个函数里挑一个。决定权交了一半。
二、Agent 3 到 4：交替，还是先谋后动
第三个 Agent 用 LangChain 的 ReAct 做自动定价，第四个用 Plan-and-Execute 做库存调度。
这两个放在连续两章，是有讲究的——它们代表两种相反的做事风格。
ReAct 是边走边看。 想一步、做一步、看结果，再想第二步。好处是能随时纠偏，坏处是容易走岔：因为没有全局观，它可能绕远路。
Plan-and-Execute 是先谋后动。 先把整件事拆成一份计划，再一条条执行。好处是路径清楚、能估算成本；坏处是计划错了，后面全错。
书里对第四个大书特书的地方，是它翻到了 LangChain 的源码，去找那个"流程控制器"。名字叫 _iter_next_step。
作者对它的描述是："在计划执行的关键节点起枢纽作用……它根据当前状态调用与 plan、observation、action 相关的一些方法，推动计划进一步执行。"
我认为这是全书最有工程价值的一段。因为很多人用框架只知道"它能跑"，不知道为什么能跑、卡住该看哪儿。知道有这么个东西在当中枢，出问题的时候你就知道该打断点在哪。
而"计划与执行解耦"这个设计，用大白话讲就是：定计划的时候别惦记细节，干活的时候别偷偷改计划。 这两件事混在一起，就会变成一边干一边改，最后计划没了、活也没干完。
三、Agent 5 到 6：先补知识，再给野心
第五个 Agent 用 LlamaIndex 做检索增强。这一章的位置很关键——它出现在"自主"之前，不是偶然。
因为一个什么都不知道的自主系统，是危险的。先让它能查到准确的资料，再谈让它自己决定做什么，顺序不能反。
第六个 Agent 讲 AutoGPT、BabyAGI 和 CAMEL。这三个是当年最出圈的一批——它们第一次把"定目标"也交了出去：自己生成任务、自己排优先级、自己循环。
书里 CAMEL 那段有个具体例子：让 AI User 扮演花店营销专员，AI Assistant 给方案。任务是给"夏季玫瑰之夜"活动找赞助，输出是四条：酒店餐厅、花卉供应商、婚纱摄影、美妆品牌。
这个输出说不上惊艳，但它是可用的——四条都指向具体的合作对象类型，不是"建议多渠道拓展"这种废话。
而这一章也暴露了一个问题，我放在后面讲。
四、Agent 7：把岗位说明书变成调度规则
最后一个 Agent 讲 AutoGen 和 MetaGPT。
这两个框架的思路，我认为可以用一句话概括：把公司的岗位说明书，写成调度规则。
产品经理提需求、架构师拆模块、工程师写代码、测试挑毛病——每个角色一个智能体，按 SOP 往下传。
MetaGPT 那套之所以在当时引起讨论，不是因为它更聪明，是因为它把"软件公司的流程"当成了提示词的一部分。这件事的思路比技术更有意思：与其教模型怎么思考，不如告诉它"你在哪个岗位、这一步该交什么"。
但代价也得说清楚：越往上走越贵。 自主循环的 token 消耗是按分钟涨的，一次跑偏，账单和错误一起放大。而且越往上，越依赖一件事——你有没有把"做得对不对"的标准写明白。
它能自己决定做什么，但它判断不了做得好不好。那个标准，永远在你手上。
五、一处败笔，值得单说
第 9 章末尾，CAMEL 那个赞助方案演示完之后，作者写了这么一段：
"怎么样？看到这样的策划水准，是否觉得 CAMEL 驱动的 AI Agent 完全不输一个专业的营销策划专员？只有想不到，没有 AI 做不到。一大批人可能真的要失业了。所以，赶快学习吧！"
我读到这里愣了一下。
因为前面九章的技术叙述都很克制——讲源码、讲参数、讲数据流，甚至专门翻 _iter_next_step 去解释控制器怎么工作。结果到了这里，突然换成自媒体腔。
而且它夸的那个方案，说实话也就是"及格"：四条合作方向，没有预算、没有话术、没有排期、没有联系人画像。一个真正的营销策划看完，大概会问"然后呢"。
这不是文风问题，是判断力问题。一本书如果在前九章建立了"看源码、讲机制"的可信度，最后用一句"只有想不到，没有 AI 做不到"收尾，等于自己把地板拆了。
我把它写出来，不是挑刺，是因为这类落差在读 AI 书时太常见了：技术部分越扎实的书，越容易在结论处松懈。 读者得自己长个心眼——看它怎么讲机制，别信它怎么讲未来。
六、这本书的短板
一是版本时效极强。 Assistants API、LangChain 的 ReAct、LlamaIndex 的接口，这几样东西迭代极快。书里大量代码带具体版本行为，照抄大概率跑不通。它的价值在"结构"，不在"能跑"。
二是七个 Agent 的难度不均。 前四个（PPT、函数、ReAct、计划执行）能跟着做；后三个（AutoGPT 系、AutoGen、MetaGPT）基本只能看个热闹——它们的代码量和环境依赖，不是一章能讲完的。
三是缺横向对比。 七个 Agent 各自成章，但全书没有一处把它们放在一起问："我这活该用哪种？" 读者得自己拼。我上面那张图，就是替它拼的。
它的优点是：把"Agent 的演进"讲成了一条可理解的线，而不是七个并列的技术名词。 而且它愿意翻源码——这在同类书里很少见。
七、一句话
所谓"Agent 越来越强"，本质上是一件事：你把手里的方向盘，一段一段交出去。 先交"怎么措辞"，再交"调哪个函数"，再交"下一步走哪"，最后连"要做什么"也交出去。每交一段，它就更像员工，也更像风险。而唯一交不出去的那部分，是"怎么判断干得好不好"——这一块要是也交了，你就不是在用 Agent，是在赌。
阅读记录：微信读书网页版逐页翻阅，557 屏 / 10 章 / 12 分 09 秒。
本书知识图谱见文中配图，原图地址：https://www.jiangtian.top/zb_users/upload/kg/seven-agents-map.png
发表评论: