智能体

智能体是让模型自己决定下一步做什么。同样三个问题，固定流程 1 次调用就答对了，智能体要 3 到 4 次。讲清楚两者的区别、智能体的代价，以及一份判断要不要用智能体的清单。

不用任何框架，一百多行代码写一个智能体：工具注册、调用循环、停止条件、错误处理。先用一个按剧本出牌的假模型离线测试，再换成真模型，看它自己决定查什么。

同样三个工具，名字和说明写得含糊，模型 30 次只选对 14 次；写清楚之后 30 次全对。讲清楚工具的名字、说明、参数、返回值和报错信息分别该怎么写。

同一个多步任务，比较直接做、先列计划再做、做完之后自我检查三种办法。先列计划多花了一倍的钱，效果差不多；自我检查真的找出了两处出处错误，但花了四倍的钱。

智能体的短期记忆就是消息列表，长期记忆要自己存下来、需要时再取出。给智能体加上"记住"和"回想"两个工具，演示它在一次全新的对话里用上了上次记住的事实。

让一个主管智能体拆分任务，交给三个上下文独立的工人智能体并行完成，再汇总结果。和单个智能体比，词元少了三分之一，主管的上下文只有 472 个词元。讲清楚多智能体真正的价值和代价。

用官方 Python SDK 写一个最小的 MCP 服务器，把查 httpx 文档的两个工具放进去；再写一个客户端连接它，并让 DeepSeek 通过 MCP 调用这些工具回答问题。

做一个真实可复现的间接提示词注入实验：网页里藏着给 AI 的"指令"。一个模型从不上当，另一个在提示词明确禁止的情况下仍有 4 次中招，只有程序层面的确认机制全部拦住了。

把 RepoBot 改成一个智能体：先查文档，文档里没有就去翻 httpx 的源码。v2 答不上来的默认值、异常逻辑，v3 都能答对，并注明源码的文件和行号。