chapter 01 / 模型内核
Agent 是什么
从工作流到自主体：模型提供能力，系统给出形态
2025 年之后，「Agent」几乎成了 AI 领域最常被滥用的词。这一章先把定义钉住，再建立一个贯穿全站的心智模型。
Workflow 还是 Agent？
Anthropic 在《Building Effective AI Agents》里给出了一个被广泛引用的区分：
| Workflow（工作流） | Agent（智能体） | |
|---|---|---|
| 过程由谁决定 | 预先写好的代码路径 | 模型在运行中自主决定 |
| LLM 的角色 | 流水线上的一个环节 | 掌握方向盘的司机 |
| 适合的任务 | 步骤明确、可预定义 | 开放式、步数未知 |
| 失败模式 | 流程僵化 | 跑偏、失控、烧预算 |
关键不是「Agent 更高级」，而是那条设计原则：找到最简方案，仅在需要时增加复杂度。能用一次提示解决的别上工作流，能用工作流编排的别上 Agent。
Building Effective AI Agents ↗
最成功的 Agent 实现用的是简单、可组合的模式而非复杂框架——「找到最简方案，仅在需要时增加复杂度」。区分了 workflow（预定义编排）与 agent（模型自主决定过程）。
OpenAI 的实战指南给出了几乎相同的判断：适合 Agent 的场景是传统规则式自动化搞不定的——复杂决策、难以维护的规则库、大量依赖非结构化信息的流程。如果一个流程能画成清晰的流程图，先别写 Agent。
A Practical Guide to Building Agents ↗
OpenAI 的 Agent 构建实战指南（PDF）：何时该用 Agent、单 Agent 与多 Agent 的选择、工具与护栏设计、以及从小范围试点开始的落地路径。
从「推理思维」到「Agentic 思维」
模型这一侧也有一条对应的演化线。早期推理模型追求的是内部推演质量——在给出最终答案前做很长的思维链。而 Agent 需要的是另一种能力：
在与环境持续交互中有效行动——为了行动而思考，而不是思考得更久。
这叫 Agentic 思维。它要处理的是推理模型不曾面对的问题：何时停止思考开始行动？工具怎么选、按什么顺序调？环境反馈是嘈杂的怎么整合？行动失败了怎么修订计划？
一个编码 Agent 在终端执行代码、观察报错、修改策略、重新执行——这是 Agentic 思维的典型闭环。对比之下，推理模型写一长段思维链再交卷，是另一种优化目标。
全站最重要的一个心智模型
这个模型解释了很多现象：为什么上下文是稀缺资源（第 4 章）、为什么中断可以恢复（状态本来就在模型外面）、为什么换模型不用重写整个系统（模型只是内核，可替换）。
分析 Agent 系统时别混层
市面上的 Agent 框架五花八门，比较它们时最容易犯的错误是把不同层级的东西放在一起比。执行模型两层给出了清晰的拆法：
- 第一层：Loop 承载方式 —— 主循环跑在哪种运行时容器里？图式（LangGraph：节点/边/checkpoint）、代码式（灵活直写）、托管式（平台托管零运维）。
- 第二层：编排协议模式 —— 循环内部哪些语义对象被显式建模？ReAct 工具循环、Plan-and-Execute（把计划/步骤提升为显式状态）、会话式协作（把参与者/消息/交接提升为显式状态）、Manager-Worker。
常见误判是把「会话式协作」和 Graph/Code/Managed 放同一层比较——前者是运行在运行时之上的协作契约。实践要点：让状态管理、工具调用、流式输出独立于具体执行模型，切换运行时或编排模式时其他能力才能复用。openJiuwen 的 agent-core 正是这样分层的：core/session、core/foundation/tool、core/single_agent 各自独立，第 2 章会看到它们如何在 ReAct 循环里合奏。
本章能力在 Harness 中处于什么位置？
harness positioning
本章能力在 Harness 中处于什么位置？
本章站在最内层：模型内核只提供「一次无状态调用」的智能。它上面的每一层——循环、上下文、工具、状态、评估、编排——都是后续章节要逐层展开的 Harness 部件。记住这张图，每章我们都会回来标注位置。
本章概念清单 / 点击进入概念卡片
章末测验
chapter quiz
0/4 已答
Q1按 Anthropic《Building Effective Agents》的区分，workflow 和 agent 的本质区别是？
Q2「Agentic 思维」优化的目标是什么？
Q3「模型是无状态的」这句话意味着什么？
Q4分析 Agent 执行模型时，「执行模型两层」提醒我们不要混淆哪两层？