从聊天到 Agent：工具、记忆与行动
理解 Agent 的组成，以及它为什么需要权限和验证。
开始前
理解工作流的输入和输出，不要求写代码。
先看它是否会行动
聊天生成一段文字，与读取文件、查询系统或调用工具是不同的能力。Agent 讨论的重点之一，是如何围绕目标组织这些行动。
理解四个常见组成
目标说明、模型判断、可调用工具和状态记录可以共同组成一个系统。具体实现差异很大，页面上写着 Agent 不等于拥有所有能力。
记忆不是越多越好
记忆需要来源、有效期、用户隔离与删除方式。基础持久化不等于自动理解你，也不等于具备可靠的长期服务。
用明确边界换取可检查的行动
工具权限、成本上限、停止条件与人工确认都要事先定义。涉及发送、删除和付款等动作时，更需要明确授权。
动手练习
把你的能力说明分成“允许做”“不允许做”“需要确认”三栏，再阅读 AgentFamily 的技术生态指南。
可以直接尝试的输入
为一个“资料整理助手”写一份能力说明。 范围：只读取我提供的公开文本并生成草稿。 禁止：不发邮件、不删除文件、不读取其他目录。 请列出需要的工具、状态、失败处理和人工检查点，不假设这些功能已经实现。
本页提供学习材料，不内置 AI 对话或模型运行。将练习文本复制到你自行选择的工具中，按其实际规则使用。
怎样判断练习完成了
- 没有把“有记忆”当成无需核对的理由。
- 工具和行动范围具体。
- 失败和停止条件能够被别人理解。
一个常见问题
不会写代码，也能学习 Agent 吗？
能。先理解任务、流程、权限和检查，再选择可视化工具或代码路径。判断系统是否完成任务，比记住术语更重要。