课程核心内容总结

概要1：课程核心对比两大主流Agent架构：Workflow（工作流型Agent）与ReAct型Agent，2024-2025年市面上绝大多数Agent为Workflow类型；2025下半年起Coding Agent、2026年如龙虾、Hermes这类Agent多采用ReAct架构，ReAct理念诞生已有三年，近年才大规模落地。
概要2：Workflow工作流Agent核心思想：由人提前定义完整业务步骤与分支逻辑，限制大模型自由度，以此降低幻觉、提升任务可控性与成功率；适合业务规则固定、准确度要求高的场景，缺点是无法应对流程不可预知的任务。以外卖骑手招聘助手Demo举例：
1. 普通问题（如“包吃住吗”）依靠RAG知识库即可完成回答，属于单轮对话，回答即结束；
2. 复杂问题（如“五道口附近有没有站点”）单纯知识库不适用：站点经纬度数据不适合直接放入向量库，距离计算这类数值运算大模型容易幻觉，因此单独封装工作流模块作为工具；
3. 完整链路：用户提问→模型做意图识别，通过系统提示词判断调用知识库/站点查询工作流；工作流内调用百度地图API获取地点经纬度，执行代码批量计算站点距离、筛选3km内站点，最后由大模型整理结果，拼接所有参考信息生成最终回复。
概要3：讲解**Function Call（函数/工具调用）**概念：这是大模型本身具备的能力，指模型可以根据用户问题，自主判断是否调用工具、调用哪一个工具，并且自动提取、推理补齐工具所需要的入参（例：用户只提“五道口”，模型推理出城市为北京）；大模型本身只能输出文本，没有实际执行动作的能力，真正调用API、运行代码的是外部代码/运行环境，模型仅负责输出调用指令。区分概念：Function Call是模型决策能力，Tool/工作流/Skill/MCP是可被调用的工具载体。
概要4：ReAct Agent核心思想，适用于无法提前预设完整步骤、需要不断试错探索的任务（如在一堆命名混乱文件里查找指定业务数据、排查系统故障）。ReAct是Reasoning推理 + Acting行动，循环执行三段式Loop：推理→执行行动→接收行动反馈，循环往复；由模型自主判断循环何时终止，也可以设置最大轮次上限强制停止。
1. 案例演示：查找9月销售额不达标的供应商。Agent循环：列出文件目录→查看文件表头→解析Excel、写代码计算销售额→打开PDF查找达标标准，反复获取信息直到集齐全部条件输出结果；
2. 实现方式：在提示词中定义可选Action（动作选项），要求模型输出JSON格式的动作指令；由外部代码解析JSON、执行对应动作，把执行结果追加到提示词，送入模型开启下一轮推理；
3. 设计难点：明确Agent的能力边界（能做/不能做什么），精心设计可用的Action集合；Action对应的底层代码可以提前写好，减少模型现场写代码带来的耗时与不稳定。
概要5：介绍思维链CoT（Chain of Thought），在提示词中引导模型先输出思考过程（俗称“碎碎念”），再输出最终决策，能够提升模型任务成功率；本质是利用大模型自身的自推理机制。
概要6：Agent整体组成架构：核心“大脑”是大语言模型；配套组件包含提示词模板、各类工具（知识库、工作流、API、代码执行环境）、数据库（存储用户记忆、业务数据）、触发器；Agent还可以嵌套子Agent，主Agent调用子Agent作为工具完成子任务。
概要7：工具相关概念辨析：Tool是统称，Workflow、Skill、MCP、数据库、外部API都属于工具的不同实现形式；Skill既可以是提示词模板，也可以是附带脚本/代码的可执行能力。
概要8：平台与落地工程相关内容：
1. Coze扣子这类可视化拖拉拽搭建工作流，适合教学，但企业生产环境手写代码/AI生成代码的方式性能、灵活性更强；2026年可直接通过自然语言让AI自动生成工作流，不用手动拖拽节点；
2. Agent平台（Coze、Gleen等）可以托管、运行多个Agent；Gleen打通大量企业系统API，构建中心化知识库与知识图谱，基于权限控制让ReAct Agent跨飞书/Slack/任务看板等系统检索信息，解决企业内部信息流转慢、信息内耗的痛点；
3. Harness（沙箱/安全约束）：如果允许Agent动态编写、创建新工具，必须设计严格的安全沙箱，限制文件读写、网络、系统命令等权限，规避风险。
概要9：Workflow和ReAct不是非此即彼，工程落地经常混合使用：大流程由人工预设为Workflow，其中某个子环节交给ReAct子Agent处理；也可以在ReAct的Action里，封装预先写好的Workflow模块。
概要10：Agent开发工作的核心价值不在于写代码，而是场景梳理、边界定义、架构设计、Action/工具设计、提示词设计、测试调优；代码部分很多可以交由AI编码工具完成。
概要11：Token概念：人类输入的文字交给大模型后，会被拆分为Token，Token消耗量和文字长度正相关，直接影响调用成本。
概要12：课程配套实操资源：提供Python代码版本、Coze扣子版本的AutoGPT ReAct Demo；附赠11套Coze工作流实操课程，覆盖教育、人力、财务等场景，适合新手练习理解工作流底层执行逻辑；后续课程会讲解沙箱、代码编写、模型对接等进阶内容。