第 1 章 什么是 Agent 模式
从一个真实场景说起
想象一下，你正在用一个 AI 编程助手干活。
你让它"帮我把用户登录的 bug 修一下"。它很听话，立刻开始翻代码、改文件、跑测试。结果呢？有时候一次就对，皆大欢喜；有时候它改错了地方，把本来能用的功能改坏；有时候它在一个问题上反复绕圈，token 花了一大堆，最后给你的答案还是错的。
你可能会想：是我的提示词写得不够好？是我用的模型不够强？还是我哪里操作不对？
都有可能。但更本质的问题是：你在用一个"单次生成"的模型，去做一件需要"循环、检查、修正"的复杂任务。
这就是这本书要讲的东西——Agent 模式。
什么是 Agent 模式
在给出定义之前，我们先看看这个词是怎么来的。
awesome-agentic-patterns 这个开源项目，收录了生产环境中真实团队用出来的各种"招式"。它的作者发现：教程里教的都是玩具 demo，而真实产品里那些让 Agent 真正好用的东西，往往藏在每个团队的实战经验里，很少有人系统地整理。
他于是把那些可重复使用的招式收集起来，每个都写成一份标准文档，起名叫 Agent pattern（Agent 模式）。
一个模式要满足三个条件，才配得上"模式"这个名字：
- 可重复——不止一个团队在用，说明它经得起检验。
- 以 Agent 为中心——它改进的是 Agent 如何感知、推理、行动，而不是某个具体业务。
- 可追溯——背后有公开的参考来源：博客、演讲、代码仓库或论文。
简单说：Agent 模式 = 一套经过验证的、让 Agent 更好用的套路。
模式的四个组成部分
这本书里的每个模式，都按同样的四个部分来写。你读熟了这套结构，后面读任何一章都会很顺畅。
1. 问题（Problem）
先说清楚这个模式解决什么问题。不是什么空泛的话，而是具体到"什么场景下你会遇到这个麻烦"。
比如"反思"（Reflection）这个模式要解决的问题是：
模型一次性生成的答案，经常漏掉一些审查时一眼就能看出的边界情况、约束条件或质量要求。
2. 方案（Solution）
再说这个模式的核心做法。通常会带一段伪代码或一张图，让你一眼看懂它是怎么运作的。
还是"反思"的例子：
for attempt in range(最多尝试次数):
草稿 = 生成(提示词)
分数, 批评意见 = 评估(草稿, 标准)
if 分数 >= 门槛:
返回草稿
提示词 = 结合(批评意见, 提示词) # 把批评意见喂回去，再试一次一句话版本：先生成，再检查，有问题就改，改到过关或预算用尽为止。
3. 证据（Evidence）
这个模式真的有用吗？不是靠感觉，而是看证据。
"反思"模式的证据很扎实：它源自 2023 年的学术论文 Self-Refine（Shinn 等人），后来又有 Reflexion 论文给它加了"情景记忆"的增强。行业里 OpenAI、Anthropic 的产品也在用类似的思路。
书里每个模式都会标注证据等级：high（有强证据）、medium、low、mixed（混合）或 unknown（未知）。看到 high，你可以放心用；看到 unknown，就多留个心眼。
4. 取舍（Trade-offs）
没有任何模式是免费的午餐。这一部分诚实地说清楚好处和代价。
"反思"模式的取舍：
- 好处：用很少的人工监督，就能显著提升输出质量。
- 代价：多花算力；如果评分标准没定好，可能会在原地打转。
读这本书的时候，请一定不要跳过"取舍"这一节——知道一个模式什么时候不该用，和知道它什么时候该用，同样重要。
三个例子，感受一下
在正式开始之前，我们先快速感受三个真实模式。它们分别代表"让 Agent 想清楚""让 Agent 会检查""让 Agent 懂分寸"三类问题。
例一：先计划再执行（Plan-Then-Execute）
你有没有遇到过这种情况：让 Agent 做个多步骤任务，它做着做着就跑偏了，甚至被中间看到的内容"带节奏"。
Plan-Then-Execute 的思路很简单：让 Agent 先写出一个固定的行动计划，再开始执行。执行过程中，中间结果只能影响"怎么做"的参数，不能改变"做哪些步骤"。
一个真实数据：先规划再执行，任务完成率能提高 40%-70%，幻觉减少约 60%。
Claude Code 的 "plan mode"（计划模式）就是这个模式的产品化：先让 Agent 出方案，人看一眼、改一改，批准了再动手。很多复杂任务的成功率因此翻倍。
例二：让 Agent 检查自己的作业（Reflection）
单次生成的答案经常有"一眼就能看出"的问题，但模型自己不检查就交卷了。
Reflection 的做法是：生成草稿后，加一步"自我检查"，把批评意见喂回去重新生成，直到达标或预算用尽。
一个实用经验：2-3 轮迭代通常就够，超过 3 轮收益递减。所以别让它无限循环，给它设个次数上限。
例三：让用户掌握分寸（Spectrum of Control）
不是所有任务都需要 Agent 全自动。有时候你只想让它补个代码，有时候你希望它自己开个分支、改完一堆文件、提个 PR。
Spectrum of Control 说的是：好的产品让用户能在"完全人工"和"完全自主"之间平滑滑动——
- 最左边：代码自动补全（人主导，AI 辅助）
- 中间：框选一段代码，告诉它怎么改（人定范围，AI 执行）
- 更自主：让它改多个文件（人定目标，AI 规划）
- 最右边：后台 Agent 自己实现一个功能并提 PR（几乎全自主）
Cursor 的 Tab、Command K、Agent 这三个功能，就是这个谱系的产品化。
怎么读这本书
这本书分八个部分，32 章。你可以按顺序读，也可以当成手册按需查。
几个建议：
- 新手：建议从第一部分顺序读起。第 1-4 章会帮你建立一套能跑起来的最小体系。
- 中级：重点看第二、三、四部分——上下文治理、工具设计、可靠性。这些是工作中最常遇到的"坑"。
- 高级：第五部分（安全）、第七部分（多智能体）和每章的"取舍"小节，适合作为选型和架构评审的参考。
遇到不懂的英文术语怎么办？ 书里所有技术英文单词都会保留原文（比如 Agent、token、prompt、context），但会用中文解释它是什么意思。第一次出现时尤其如此。所以不用担心英文不好读不懂——这本书本来就是为了让不同水平的读者都能看懂。
本章小结
- Agent 模式是生产环境中验证过的、让 Agent 更好用的可复用套路。
- 每个模式都有四个部分：问题、方案、证据、取舍。
- 三个贯穿全书的主线：确定性光谱（让代码锁死什么 vs 让模型决定什么）、上下文经济（token 是钱）、信任与放权阶梯（从全审批到全自主）。
- 先计划再执行、让 Agent 检查作业、让用户掌握分寸——这三个模式是后面内容的好预告。
下一章，我们从"最小可行 Agent"开始，讲最核心的 Plan-Then-Execute（先计划再执行）模式族。