学习 Agent 时，我最想弄清楚的，是它到底以什么形式存在。
模型能回答问题，工具能查询酒店，这两件事我渐渐明白了。可是，把它们连起来的 Agent，在哪里？
我们继续用家庭旅行的假设：三天两晚，带老人和孩子，预算 6000 元，尽量少走路。
如果每一步都需要我来接续，过程可能是这样的：先问 AI 住哪里，再自己查房；发现满房，把结果告诉它；它推荐另一家，我再去查。价格超了，我还得把价格搬回来，请它重新安排。
这些动作中，有一部分是我的判断，也有一部分只是把信息从这里搬到那里。
我希望系统能自己接过后一部分，并在约定的范围内继续处理。
例如，它查询酒店，得到满房结果，就结合预算和交通条件寻找替代选项；新的结果回来，再检查是否合适。必要时向我说明情况，让我作出取舍。
这里说的 Agent，通常译作“智能体”。可以先把它理解为：一套围绕目标，使用模型判断、调用工具行动，并依据结果继续推进的软件系统。
它可以做在旅行 App 里面，成为其中一项功能；也可以在服务器上运行，通过网页把结果交给你。它不需要再有一个单独的 App 图标。
从实现上看，它由程序、配置和运行中的任务信息组织起来。配置就是程序运行时采用的设置；任务信息则包括你提出的预算、已经查过的酒店、目前还有哪些问题没解决。
也就是说，Agent 有具体的软件实现。
我以前说“加载一个 Agent”，容易在脑中想象出一个额外的小机器人。现在更愿意说：这个产品背后运行着一套 Agent 工作程序。
模型仍然承担理解和判断。外围程序把需要的信息交给模型，接收它提出的操作请求，执行允许的工具操作，再把结果送回来。
例如，模型可能提出“继续查询另一个住宿区域”。真正执行查询的是工具。工具返回价格和距离后，模型再判断这次调整是否有帮助。
工作往往要经过多轮。每一轮都可能带来新的信息，也可能发现原来的办法走不通。
当然，这不意味着它会永远在后台工作。它能运行多久，受具体软件、计算资源、权限和运行限制影响。完成了目标、遇到需要人决定的事情，或者达到设定的尝试次数，都可能成为停止的原因。
多个 Agent 也可以被安排来分工，例如一个收集候选酒店，一个检查预算。但分工怎样接续、结果怎样检查，仍然需要系统组织。多一个名字，并不会自动多一份可靠性。
学到这里，我曾经答错一道题。
AI 给出的情境是：一个程序自动查询酒店、天气和交通，最后让模型生成行程；每一步顺序和遇到问题后的处理方式，都由开发者提前写好。
我当时的理解是：它接收反馈，又能继续执行，应该也算一种 Agent，只是遵循了预定工作流。
这里的“工作流”，就是一项工作按什么步骤推进、遇到不同情况怎样处理。
这个回答还不够准确。
因为，接收反馈、改变行为，本身并不能说明是谁在决定下一步。
比如，开发者可以提前写下规则：
如果这家酒店满房，就查询名单里的下一家。全部满房，就提示用户更换日期。
程序确实会依据满房结果采取不同动作。但走哪条路，已经由这些规则规定好了。模型即使参与，也可能只负责把结果写得自然一些。
再看另一种处理。模型取得满房结果后，结合剩余预算、交通距离和同行人的情况，判断应当换区域、调整顺序，还是向用户说明条件无法同时满足。
这时，模型参与了接下来的行动选择。
在这组文章里，我们把前一种称为固定工作流，把后一种作为理解 Agent 的重点。这种区分与 Anthropic 的工程说明一致；不同产品对 Agent 的命名可能更宽泛，实际系统也经常混合两种机制。工作流与 Agent 的区分
后来，AI 把题目问得更具体：如果查哪家酒店、全部满房后怎么办，都由程序规则决定，大模型只润色文字，那么谁在决定下一步？
我这次能够说清楚了：是预先编写的工作流。模型负责表达，没有在这个例子中承担后续行动的选择。
还有一个容易误判的地方：模型被调用了很多次，也不一定意味着它在选择行动。
例如，程序严格按顺序执行：让模型翻译酒店介绍，让模型概括天气，再让模型润色行程。
模型用了三次，顺序仍然由程序规定。每次都是处理指定内容，不能只凭调用次数作判断。
我也曾猜测，既然问题处理方式写得很固定，是不是背后写了很多 Skill？
后来才弄清楚，这个猜测没有依据。开发者直接在程序里写条件分支就可以，不必使用 Skill。Skill 到底是什么，我们下一篇再展开。
到这里，读者可能会有另一个疑问：如果 Agent 也要遵守规则，它还算不算能自主判断？
可以。
比如，只允许它查询指定平台，最多尝试五次，超过预算必须向用户说明。这些规定划出了边界，但边界里面，模型仍然可以参与选择下一步。
所以，不能把自主判断理解为想做什么就做什么，也不必为了显得“智能”，把所有步骤都交给模型。
固定流程适合规则清楚、需要稳定重复的工作；需要根据不断变化的信息选择做法时，模型参与判断才可能发挥更多作用。具体任务应该怎样组合，要看要求。
我自己的观察重点也因此变了。
以前，我主要看它是不是一直在运行。现在，我会留意它取得了什么结果，为什么接着做这一步，以及什么时候应当结束。
Agent 能接过一部分连续推进工作的负担，但目标和重要取舍，仍然需要有人说清楚。
如果我希望它规划旅行时始终照顾老人和孩子的体力，不要每次都从头叮嘱，又该把这套做法放在哪里？
这就到了 Skill。