Day 1：理解 Agent 核心公式

目标

弄懂一个公式：Agent = LLM + 上下文 + 工具，并且理解为什么这三个缺一不可。

核心知识点

1. Agent 到底是什么？

很多人以为 Agent 就是"调一下大模型 API"，但作者李博杰在引言里说得很清楚——这个公式是全书的基石：

Agent = LLM + 上下文 + 工具 = 大脑 + 眼睛 + 手脚

一个光有大脑的人不能办事（看不到信息、动不了手），同样，光有 LLM 也不是 Agent。

2. 上下文的五个组成部分

这是今天最重要的知识点。每次调用 LLM 时，上下文就是一个消息列表，由五部分构成：

1. 系统提示词（静态）— Agent 的"岗位说明书"：你是谁、能做什么、不能做什么
2. 工具定义（静态）— 有哪些工具可用、每个工具怎么调
3. 用户消息（动态）— 用户说的话 + RAG 检索来的外部知识
4. 模型回复（动态）— Agent 之前的思考过程 + 文本回复 + 工具调用请求
5. 工具执行结果（动态）— 工具跑完返回的结果

核心公式：上下文 = 静态前缀（1+2）+ 轨迹（3+4+5 的动态历史）

3. 工具分五类

• 感知工具：获取信息（搜索、读文件、查数据库）
• 执行工具：改变世界（写文件、运行代码、调 API）
• 协作工具：分工合作（委托子 Agent、请人类确认）
• 事件触发工具：外部驱动 Agent（邮件到达、定时触发）— 注意：这个是外部驱动，不是 Agent 主动调的
• 用户沟通工具：与用户建立连接（发消息、打电话、发邮件）

4. 为什么 Harness 才是竞争力

Demo 公式：Agent = LLM + 上下文 + 工具

生产公式：Agent = LLM + [上下文 + 工具 + 约束 + 验证 + 纠正] = Model + Harness

当各家模型能力越来越接近时，竞争优势就转移到了模型之外的工程实践。例如作者的老东家Pine AI 在 Skill、Harness、Loop Engineering 这些概念流行之前，就已经在实践中摸索出了同样的方法——实践在前，命名在后。