03. 智能体的解剖学：如何制造一个数字泥人？

传说中的泥人：最早的“编程”尝试

在 16 世纪的布拉格传说中，犹太拉比（Rabbi）用河边的泥土捏成了一个巨大的傀儡——泥人 (Golem)。

泥人本身没有灵魂，也不懂思考。但拉比在它的嘴里放一张写有希伯来语神圣咒语（Shem）的纸条，它就会突然睁开眼睛，听从命令去挑水、劈柴、甚至保护社区。如果你把纸条抽出来，它就瞬间变回一堆死土。

这其实是人类历史上最早关于“代理 (Agent)”的构想：一个没有自主意识，但能严格执行指令的实体。

2026 年的 AI Agent，其本质和泥人惊人地相似。如果我们要“解剖”一个现代智能体，你会发现它由三个精密的部分组成：大脑、笔记本、和双手。

1. 大脑：大语言模型 (LLM) 与“概率鹦鹉”

泥人的大脑是拉比写的纸条，而 Agent 的大脑就是 大语言模型 (LLM)。你熟悉的 GPT-4、Claude 3.5 或 DeepSeek 都在扮演这个角色。

但你需要理解这个大脑的运作原理，才能明白它为什么有时会犯蠢。

为什么 AI 会产生幻觉？

想象一下我们在玩一个“成语接龙”的游戏。我说“一马当”，你大概率会接“先”。如果我说“掩耳盗”，你大概率会接“铃”。

LLM 的本质，就是一个超级复杂的“成语接龙”机器。它并不理解什么是“真理”，它只理解概率。当你问它一个问题时，它其实是在计算：“在人类历史上所有的文本中，这几个字后面最可能紧跟的字是什么？”

这就解释了所谓的**“幻觉” (Hallucination)**： 当你问它：“林黛玉是怎么倒拔垂杨柳的？”

• 它的大脑里没有这个事实。
• 但它的概率模型告诉它：“倒拔垂杨柳”这个词后面，通常跟着“鲁智深”或者具体的动作描写。
• 于是，它会一本正经地编造一段林黛玉在健身房撸铁的故事。因为它不是在“回忆”，它是在“预测”。

为了让这个大概率瞎编的大脑变靠谱，我们需要第二个组件。

2. 笔记本：上下文记忆 (Context & RAG)

泥人通常很笨，它执行完一个任务可能就忘了。为了让 Agent 变聪明，我们需要给它一个**“笔记本”**。

闭卷考试 vs 开卷考试

单独使用 ChatGPT，就像是让一个学生参加闭卷考试。

• 他只能靠脑子里的存货（训练数据）。如果他忘了，或者书上没写（比如你们公司的内部规定），他就只能瞎编。

而 RAG (检索增强生成) 技术，就是让这个学生参加开卷考试。

• 当 Agent 收到问题时，它不会急着回答。
• 它会先转身，在一个外挂的“知识库”（比如你公司的 PDF 文档库）里翻书。
• 它找到了相关的段落，把内容抄在“笔记本”上。
• 最后，它看着笔记本回答你的问题：“根据公司手册第 3 页，报销需要主管签字。”

这就是为什么现在的 Agent 能够处理你的私人任务：因为它看过了你的笔记本，而不仅仅是依靠它那个充满幻觉的大脑。

3. 双手：工具与 MCP (Tools)

这是让 AI 变成 Agent 的关键：让它长出手。

以前，你问 AI：“帮我查查我的银行余额。” AI 只能无奈地说：“臣妾做不到啊，我没联网。”

现在的 Agent 拥有一条**“多功能工具带”**。当它意识到它需要查余额时，它会自主调用银行的 API 接口。

MCP：机器人的通用插头

这里有一个很酷的新概念：MCP (Model Context Protocol)。

以前，给 Agent 装工具很麻烦。你想让它连 Google Drive，需要写一套代码；想连 Slack，又要写一套代码。就像出国旅行要带一堆不同的插头转换器。

MCP 就像是发明了 Type-C 接口。

• 只要你的软件（GitHub, Google, Notion）支持 MCP 标准，Agent 就能直接插上去读取数据、发送指令。
• 这意味着，未来的 Agent 可以随意穿梭在你所有的 APP 之间，成为一个真正的“数字管家”。

4. 纸上实验：手动构建一个 Agent

为了彻底理解 Agent 是怎么工作的，我们来玩一个思维游戏。不需要写代码，我们用纸和笔来模拟一个 “旅行规划 Agent” 的思考过程。

任务：用户说“帮我定一张明天去上海的便宜机票”。

Agent 的大脑里会运行一个叫 ReAct (Reason + Act) 的循环：

第一轮循环

• 思考 (Thought)：用户想去上海，时间是明天。我需要知道“明天”具体是几月几号，以及现在的机票价格。但我不知道今天的日期。
• 行动 (Action)：调用工具 Get_Current_Date()。
• 观察 (Observation)：工具返回 2026-02-07。

第二轮循环

• 思考 (Thought)：今天是 2 月 7 号，那明天就是 2 月 8 号。现在我要查从“用户所在地”去上海的票。等等，我不知道用户在哪里。
• 行动 (Action)：调用工具 Get_User_Location()。
• 观察 (Observation)：工具返回 Beijing。

第三轮循环

• 思考 (Thought)：已知：北京 -> 上海，时间：2026-02-08。策略：找便宜的。
• 行动 (Action)：调用工具 Search_Flights(from="Beijing", to="Shanghai", date="2026-02-08", sort="price_asc")。
• 观察 (Observation)：工具返回列表：[早晨 6 点: ¥400, 下午 2 点: ¥1200...]。

第四轮循环

• 思考 (Thought)：查到了。最便宜的是早晨 6 点的 ¥400，但太早了用户可能起不来；其次是晚上 10 点的 ¥450。我应该把这两个选项都告诉用户。
• 最终回答 (Final Answer)：帮你查到了，明天最便宜的机票是晚上 10 点的，价格 450 元。早晨 6 点有更便宜的（400 元），但太早了，你需要定这个吗？

小结：获得感时间

这就是一个 Agent 的“心理活动”。它不是魔法，它只是一个不断碎碎念、不断查资料、不断修正计划的勤奋员工。

• 大脑 (LLM)：负责碎碎念（规划与推理）。
• 笔记本 (RAG)：负责翻书（获取知识）。
• 双手 (MCP)：负责干活（操作软件）。

在下一章中，我们将走出实验室，看看这些“数字泥人”是如何在具体的职业场景中（编程、研究、法律）掀起一场“端到端”的革命。