1.8 本章小结：记住这 3 点，后面少踩坑
本节学习目标
- 把第 1 章内容归纳成三条主线，便于记忆与复述。
- 明确与第 2 章（技术框架）的衔接点，减少学习断层。
- 用「少踩坑」清单做自检，避免常见概念与设计错误。
一、三条主线（记住这 3 点）
1. Agent 是什么、和普通程序差在哪
- 一句话：在给定目标下，能自主感知、自主决策、并通过行动影响环境的系统。
- 四属性：目标导向、自主感知、自主决策、行动（说话 + 调工具）。
- 和程序/脚本的差别：控制流与下一步行为由「运行时的感知与决策」决定，而不是人事先写死全部分支。
记住这一点，后面就不会把「有状态的聊天机器人」或「调了一次 API 的脚本」误当成 Agent；也不会在设计中漏掉「目标」或「反馈闭环」。
2. Agent 的「脑–眼手–环境」怎么配合
- 大脑：大模型负责理解、推理、决策（含工具选择与参数）；要应对幻觉、延迟、长上下文与不确定性。
- 眼睛耳朵：感知把环境（文本、语音、图像、API 结果）变成模型可用的输入；多模态与结构化数据要整理成文本或统一表示。
- 手：行动 = 对人说话 + 对系统调工具；执行层要解析决策、调用工具、把结果反馈成感知，形成「思考–行动」闭环；安全上要做白名单、参数校验、敏感操作确认与审计。
这三块在后续每一章都会反复出现：第 2 章讲规划、记忆、工具、执行如何组织；第 3 章讲 OpenAI、LangChain、LlamaIndex 如何实现这些组件；第 4～10 章则是不同形态的 Agent 项目（单 Agent、多 Agent、RAG、ReAct 等）。
3. 价值与形态：为什么做、做成什么样
- 价值：省人、省时间、提体验、提转化；要会从场景拆出可度量的指标（自动处理率、响应时长、转化率等）。
- 形态：从单 Agent 到 AIA 即服务、多 Agent 协作、具身智能，对应不同商业与产品形态。
记住这一点，学技术时不会脱离「为谁解决什么问题」，做需求时也容易判断先做哪类 Agent、先量哪些指标。
二、与第 2 章的衔接
第 2 章会拆解Agent 技术框架：规划、记忆、工
)
)