从 Prompt 到 Agent

先回顾一下我们手上的东西：前三部分训练、微调、部署、评测的那个模型，本质是"一次输入、一次输出"。它不会自己再问一句、也不会去动任何外部系统。

因为一次问答是"封闭"的：模型只看当前这段输入，答完就结束，世界没有任何变化。而一个任务（"帮我把这批客诉工单按严重度分好并回复"）往往要经过好几步、每步都要看上一步的结果才能决定下一步——就像"点一次外卖"和"做一桌菜"：前者一个动作，后者要买菜、下锅、尝味、补救，中间任何一步都要根据现场情况调整。所以下面用一笔账，把"多步"这个结构带来的第一个后果算出来。

更早、更自然的做法是「把要求一次全写进一段提示，让模型一口气输出完整结果」。但一次调用没有任何中间反馈：只要 10 个字段里有一个填错，整段结果就得整份重来——设单字段正确率 0.95，一次全对只有 0.95¹⁰ ≈ 0.599。循环把「一次全对」拆成「每步可检查」，错的那一步可以单独重来，不必推倒重来。

上一张卡片我们看到一次问答只有一次调用；一旦要跑多步，就必须有一个循环，把每一步的结果带回给模型。这一张把这个循环拆开，看它由哪几件东西组成。

因为循环要能持续运转，四件事缺一不可：谁决定下一步（模型）、谁能真的改变世界（工具）、上一轮发生了什么放在哪里（状态）、以及什么时候该停（终止条件）。好比一台自动售货机：选货、出货、找零、复位，少任何一环都会卡住——尤其"复位"（终止）最容易被忽视。所以下面重点算一笔"缺了终止条件"的账。

更笨的做法是「只写语义终止条件、不设步数上限」，赌模型自己会判断「已完成」。若每步判断已完成的概率只有 1%，期望步数 E ≈ 1 ÷ 0.01 = 100 步；而每步都要重发全部历史（第 1 张卡片口径），100 步累计输入约 1,010,000 token（量级示意）。没有步数上限，就等于把成本交给运气。

上一张卡片说，循环里必须有一件"能改变世界的工具"。这一张就用这条线，把最容易混淆的两个东西分开。

因为多轮对话的每一轮都只是"追加一段文字"，它没有动作、也没有观察——你问十句，世界一句都没变。就像打电话咨询（只动嘴，账户没变）和真的去柜台办业务（会改变账户状态）的区别。所以判断标准不是"轮数多少"，而是"这一轮有没有工具调用、世界有没有被改变"，再用一笔轨迹长度的账说明为什么 Agent 必须把状态外置。

更省事的做法是「把 Agent 的历史全部堆在上下文里，只追加不整理」。但 Agent 每步的轨迹（推理 + 观察）约 2,000 token，10 步就累积 20,000 token，早已超过 8k 窗口——所以状态不能只靠上下文，必须能外置。

上一张卡片把"多轮对话"和"Agent"分开了。一旦进入真正的多步循环，一个反直觉的问题立刻出现：单步看起来都不错，为什么整体经常失败？

因为任务要求的是"每一步都对"，而这是把每步的正确率连乘起来——步数越多，乘积掉得越快。就像多米诺骨牌：每一块倒错的概率只有 5%，但十块之后整体还站着的概率只剩六成。所以下面把这条"错误累积曲线"算出来。

更自然的想法是「单步错一点、平均一下就没事」。但任务要求的是「每一步都对」，独立事件的联合概率是相乘而不是取平均：0.95¹⁰ ≈ 0.599，而不是 95%。这就是为什么「单步 95%」听起来很高，十步之后却只剩约六成能全对、约四成会翻车。

上一张卡片算出：10 步连乘会从 95% 掉到 60%，错误一旦写进上下文还会被后续继承。要挽回它，就得让每一步都能被外部结果纠正。

因为纯推理（思维链）是"闭着眼睛想完全程"，中间没有东西能反驳它；而 ReAct 在每一步做了就看，让真实世界的返回结果来打断错误传播。就像开车时不断看路况微调方向，而不是蒙着眼一路踩到底。所以下面看"插入一个观察"到底能把成功率抬多少。

更早、更自然的做法是「先想完全程、再一次性输出」，也就是纯思维链（CoT，让模型先写推理再给答案）。但 CoT 在生成过程中没有任何外部信息能反驳它：第 3 步想错，第 4 步仍会当成事实继续推，错误一路带到结尾。ReAct 把「想」与「做」交错，每步用外部观察对一次账——等于把判定对错的时机从「结尾一次」提前到「每一步一次」。

上一张卡片给了 Agent 的核心范式，但它并不便宜——延迟更高、token 更多、还可能因为错误累积而不稳定。最后一张卡片回答：什么时候值得用。

因为Agent 换来的是"灵活性"（路径不用提前写死），付出的却是"不可预测"（步数不定、成本不定、成功率随步数下降）——就像寄一个同城快递，能一步到位就别开一辆卡车跑全程。所以下面用一笔成本账，说明"能用一次调用解决就别开循环"。