智慧體

智慧體是讓模型自己決定下一步做什麼。同樣三個問題，固定流程 1 次呼叫就答對了，智慧體要 3 到 4 次。講清楚兩者的區別、智慧體的代價，以及一份判斷要不要用智慧體的清單。

不用任何框架，一百多行程式碼寫一個智慧體：工具註冊、呼叫迴圈、停止條件、錯誤處理。先用一個按劇本出牌的假模型離線測試，再換成真模型，看它自己決定查什麼。

同樣三個工具，名字和說明寫得含糊，模型 30 次只選對 14 次；寫清楚之後 30 次全對。講清楚工具的名字、說明、參數、返回值和報錯資訊分別該怎麼寫。

同一個多步任務，比較直接做、先列計劃再做、做完之後自我檢查三種辦法。先列計劃多花了一倍的錢，效果差不多；自我檢查真的找出了兩處出處錯誤，但花了四倍的錢。

智慧體的短期記憶就是訊息列表，長期記憶要自己存下來、需要時再取出。給智慧體加上"記住"和"回想"兩個工具，演示它在一次全新的對話裡用上了上次記住的事實。

讓一個主管智慧體拆分任務，交給三個上下文獨立的工人智慧體並行完成，再彙總結果。和單個智慧體比，詞元少了三分之一，主管的上下文只有 472 個詞元。講清楚多智慧體真正的價值和代價。

用官方 Python SDK 寫一個最小的 MCP 伺服器，把查 httpx 文件的兩個工具放進去；再寫一個客戶端連線它，並讓 DeepSeek 通過 MCP 呼叫這些工具回答問題。

做一個真實可復現的間接提示詞注入實驗：網頁裡藏著給 AI 的"指令"。一個模型從不上當，另一個在提示詞明確禁止的情況下仍有 4 次中招，只有程式層面的確認機制全部攔住了。

把 RepoBot 改成一個智慧體：先查文件，文件裡沒有就去翻 httpx 的原始碼。v2 答不上來的預設值、異常邏輯，v3 都能答對，並註明原始碼的檔案和行號。