零基础学agent先搞懂这10个词
假设你想做一个待办清单。你对 AI 说:“帮我做个能打勾的网页。”它回了一段代码。你知道它能写代码了,可网页在哪儿?谁来打开它?点完勾再刷新,那条任务还在吗?从“得到一个回答”到“拿到一个能用的东西”,中间发生了什么,就是这 10 个词要讲的事。
这里的“模型”,指根据输入生成回答、代码或下一步建议的 AI。先从你打进聊天框的那句话讲起。
一句需求怎样到达模型
01 Prompt 你想让它做什么
Prompt 是你给模型的指令或问题。“做个待办网页”已经是 Prompt,只是模型得猜:你要一张设计图、一段示例代码,还是可以打开的文件?刷新后要不要保留任务?它猜出的版本可能看起来漂亮,却用不起来。
试着这样说:“做一个我能在浏览器里打开的待办清单。能新增任务、勾选完成,刷新后仍保留内容和勾选状态。给我可打开的网页或文件,并告诉我怎么验证。”
这次多说的每一句都改变了成品。特别是“刷新后仍保留”,它给了 AI 一个设计条件,也给了你一个检查结果的办法。
02 API 软件怎样把需求送进去
你看到的是聊天框,模型收到的是软件整理好的一次请求。API 可以理解成软件之间约定好的办事窗口:调用方按要求提交内容,服务返回结果。在这个例子里,编程工具可以通过模型 API 发出需求,再接住模型返回的代码或工具调用请求。平时用现成产品,这些步骤通常由产品代办。
03 上下文 这一轮它能参考什么
你接着说“把它改成深色”,模型要知道“它”指刚才的网页。这一轮供模型参考的材料就是上下文,可能包括之前的需求、当前文件、工具返回的报错和你的新指令。聊天窗口里看得到一段历史,并不保证它的每个细节都进入了这一次请求。
04 Token 这些材料有多少
模型会把文字切成小片段,每个片段叫一个 Token。一个汉字或英文单词可能对应一个或多个 Token,切法取决于模型。送进去的材料算输入,生成的回答算输出。使用按量计费的 API 时,两部分通常分别计算,单价也可能不同。
用一个简化例子把上下文和 Token 连起来。假设第一轮的需求占 300 个 Token,回答占 100 个。第二轮你只追加了 20 个 Token。如果软件把前一问一答原样再带上,第二轮的输入就约为 300+100+20=420 个 Token,还没算其他指令。你只打了一小句话,这一轮要读的东西却不少。
有些接口需要调用方明确附上历史,有些产品替你管理会话、筛选或压缩旧内容。对使用者来说,实用的一招是在重要修改前重述关键条件:“沿用刚才的网页,保留刷新后记住任务的功能,只改颜色。”
延伸阅读 DeepSeek 多轮对话说明 · Token 用量说明
从回答问题到动手做网页
05 Agent 谁负责把目标推进下去
Agent 常译作“智能体”。在能编辑文件和预览网页的环境里,你给它一个目标,它可以先创建页面,调用工具打开预览,观察结果,再决定下一步。如果发现刷新后清单变空,它可以回到代码里补上保存逻辑,然后再测一遍。这里最值得注意的是“看见结果,再决定下一步”。
怎样分辨它做到了哪一步?“我会帮你测试”是一项计划;看到它打开了页面、加了一条任务、刷新后又读到了同一条,才有证据说明这个功能通过了测试。它能执行哪些动作,取决于当时有哪些工具和权限。
06 Harness 谁把每一步接起来
模型可以提出“我要写入文件”,还得有软件接住这个请求。Harness 是支撑 Agent 运行的那层程序。它可以把可用工具告诉模型,检查这次操作是否允许,安排工具执行,再把成功结果或错误送回模型。这样,Agent 才能接着干。
拿“写文件”举例:模型提出写什么,文件工具实际落盘,Harness 把“写入成功”或“没有写入权限”交回去。教程里提到的聊天产品、编程编辑器和框架处在不同层次。判断手头的产品能做什么,先看它能否读取你的项目、修改文件、运行页面,并让你看到结果。
07 Vibe Coding 你怎样参与编程
你用日常语言描述想法,看着生成的页面再提修改:“完成的任务加删除线”“按钮在手机上太小”。这种依靠自然语言和运行反馈反复做程序的方式,常被叫作 Vibe Coding。这个词原本尤其强调让 AI 写大部分代码,人主要凭效果迭代;AI 辅助写一两行代码的范围要更广。
在待办清单里,你最有价值的一句反馈可能很朴素:“勾选有效,但刷新后状态没了。”这比“好像有 bug”多给了两个线索:什么已经正常、什么动作会让问题出现。
延伸阅读 Agent 的工作方式 · Harness 如何支持持续执行 · Vibe Coding 的词义与来历
Skill 插件和 MCP 各管哪件事
假设清单网页已经能打开了。现在有三个新要求:以后每个网页都按同一套办法测试;希望 Agent 能亲手点按钮;还想让它从外部任务库读入待办。听起来都是“让 AI 更能干”,缺的东西却各不相同。
08 Skill 把一套好做法留下来
第一次做清单,你可能要提醒三次:“记得测空输入”“记得测刷新”“记得测勾选状态”。如果以后每做一个小网页都想这样检查,可以把这些步骤整理成一份可复用的验收说明。支持 Skill 的 Agent 遇到合适任务,就能取用这份做法。
视频把 Skill 比作菜谱。菜谱可以写先后顺序、火候、怎样判断熟了;有了菜谱,厨房里仍得有锅和灶。同理,一份“网页验收”Skill 可以说明怎么测,但它要真的点击网页,运行环境得提供相应工具。实际的 Skill 也可以附带脚本、模板和示例,不能光凭名字判断里面有什么。
09 工具类插件 给软件添一件能用的工具
如果 Agent 原来只能看代码,想让它实际打开网页、输入文字并点击按钮,可以给它接入浏览器工具。新增的能力是“能操作页面”。工具既可能由产品内置,也可能由插件提供。插件是软件打包和分发扩展的一种方式,有些插件还会一起带上 Skill。
怎么决定先补哪一个?已经能打开网页、却每次都漏测刷新,就补检查方法;连页面都打不开,先看有没有可调用的浏览器工具,以及当前环境是否允许使用它。
10 MCP 外部工具怎样和应用对接
MCP 是 Model Context Protocol,中文常译为“模型上下文协议”。想象你打算让 Agent 从一个外部任务库读取“今天的待办”。如果应用和任务库的连接服务都支持 MCP,应用就可以按共同的规则询问“你提供哪些工具”,再按规定的格式调用“读取待办”,拿回结果。
这件事里有三层:MCP 约定双方怎样交谈,连接服务提供实际的读取能力,账号权限决定允许读取哪一份清单。即使两端都支持 MCP,只有读取权限的账号仍不能写回任务。只做本地清单时,用内置文件工具就可能足够;需要接外部任务库时,再考虑怎样连接。
延伸阅读 Agent Skills 官方说明 · 插件可以打包哪些扩展 · MCP 官方入门
把十个词放回一次真实任务
你发出 Prompt,请求做一个待办网页。编程应用通过 API 把要求和相关文件作为上下文送给模型,处理这些内容和生成答复会用到 Token。接下来,Agent 逐步做页面,Harness 帮它接通文件和预览工具。你看着结果说“这里再改一下”,就进入了 Vibe Coding 的迭代过程。
Skill、工具类插件和 MCP 是按需要加入的:反复漏测,可以沉淀一个验收 Skill;缺少点击能力,可以接入浏览器工具;想读外部任务库,可以考虑 MCP 连接。十个词描述的是同一次工作里的不同角色,并不要求你按顺序装十样东西。
你可以直接复制的练习
请做一个中文待办清单网页,给我一个能直接打开的 HTML 文件或预览链接。我要能新增任务、勾选完成;在同一个浏览器里刷新页面,任务和勾选状态都要保留。空白任务不能添加。不用登录,不用同步到其他设备。做好后,请写明你实际测试了哪些功能,哪些需要我自己检查。
如果手头只有普通聊天框,可以让它给出完整代码和具体保存步骤,再自己打开测试。使用能创建文件的编程工具时,则可以直接要文件或预览。两种入口都能练习怎样表达需求、怎样判断成品。 HTML 文件就是浏览器能打开的网页文件;预览链接则可以直接点开。
用三个动作验收
1 新增 输入“复习 Token”并添加,清单里应出现一条任务。再尝试提交空白内容,清单应没有变化。
2 勾选 把这条任务标成完成,看看页面是否清楚标出了状态。
3 刷新 在同一浏览器刷新这个页面。任务文字和勾选状态都应保留。用另一台设备看不到它,符合这次“只保存在本机”的约定。
如果第三步失败,可以直接回一句:“我新增了‘复习 Token’,勾选成功,但刷新后勾选消失,任务文字还在。请只修复勾选状态的保存,再重复这三步。”到这里,你已经会用 Prompt 说清目标,用上下文指出问题,也能用真实的操作结果检查 Agent 的工作。
