从调用一次模型，到完成一个任务：我对 Agent 的理解

刚开始使用大语言模型时，我关心的是它能不能回答问题。开始做自己的任务型 Agent 后，我慢慢把注意力放到另一件事上：一个答案，怎样才能变成实际完成的工作？

我用 Notion 内容管理来理解这个区别。让模型写一篇文章，可以只得到一段文本；让系统整理指定笔记并保存草稿，还需要读取资料、确认位置、执行写入，以及检查结果。

下面是用于说明分工的任务示例，不是项目运行日志：

找到我的 Agent 学习笔记，整理一篇中文草稿，保存到指定页面。

这个需求里有模糊的部分：什么内容算相关笔记，哪些观点需要保留，怎么组织成文章。模型可以参与理解与表达。

但我的笔记不在模型的参数里。要知道 Notion 页面当前写了什么，需要工具实际读取。写入是否成功，也需要根据外部系统返回的结果判断。

所以我会先区分四种职责：模型提出判断和生成内容，工具提供外部操作，状态保存任务过程，程序负责执行规则。

它们可以协作，但不能互相替代。模型说“已经保存”，不能代替工具的成功结果；工具返回成功，也不能证明正文切题。

我希望系统知道要处理的范围、输出语言、保存位置，以及完成后需要返回什么。条件缺失时，应当补充信息，而不是悄悄猜一个目标。

流程可以写成：


明确需求 → 读取资料 → 整理草稿
                     ↓
确认完成情况 ← 检查写入 ← 人工确认

这只是流程示意，具体实现可以使用普通函数，也可以使用编排框架。是否采用 Agent 的方式，取决于任务中有多少步骤需要动态判断。

如果输入和操作都固定，一个明确的工作流可能更容易维护。只有在下一步取决于内容和执行结果时，才需要给模型相应的决策空间。

状态可以包含原始需求、读到的页面、已完成步骤、工具返回结果和当前错误。后续步骤需要这些信息，排查时也需要它们。

例如，检索没有找到资料，应该返回范围不足的说明；读到了资料但保存失败，则应该保留草稿，让我知道内容处理已经完成。

我不希望所有失败都变成一句“出错了，请重试”。具体停在哪里，会决定下一步该怎样处理。

一类是程序能确认的条件：页面 ID 是否正确，请求是否成功，必填字段是否齐全。

另一类是需要阅读判断的条件：草稿是否回答了主题，是否遗漏了重要资料，是否保留了来源。它们可以结合模型检查与人工审阅。

我也希望系统能够停下来。有限重试之后，给出已经完成的部分、未完成的问题和可用结果，比不断调用工具却没有进展更有用。

在我的任务场景里，Agent 是一套让模型参与决策、通过工具执行、依据结果继续推进的系统。它是否好用，最终要看一个具体任务能否被核查地完成。

我会继续用小任务检验自己的设计：能否读对资料，能否保存到正确位置，失败时能否说清楚。把这些做好，比先追求一个很长的功能列表更有意义。