从“点外卖”说起
你饿了，对一个很能干的助理说一句：“随便点份不辣的午饭，预算 40。”
他自己打开外卖 App、筛选、下单、付钱，最后告诉你“30 分钟后送到”。你只说了目标，没说每一步怎么做。
那它和 ChatGPT 有什么区别？
普通的大模型（LLM）像一个只会动嘴的天才：你问它“怎么点外卖”，它能说得头头是道，但它不会真的去下单。
Agent = 大模型（脑子）+ 一双手（工具）+ 一个循环（能多走几步）。它不只是回答你，它能真的去做。
LLM： 原始 LLM 默认就是问一句答一句、自己不会去执行动作
Agent：你给目标 → 想 → 动手用工具 → 看结果 → 再想 → ……→ 交付拆开看，就三个零件
别把 Agent 想得太玄，它就三块：
脑子 = 大模型，负责想；手 = 工具（一个个函数），负责做；循环 = 让它能根据结果再想再做，直到完成。
自测 · 学完检查一下
想真正动手做题、记进度、攒连胜？到互动课里练。
你对一个智能助理说：“帮我把这周所有未回复的客户邮件都处理好。”下面哪种交代方式，才是在“按 Agent 的方式”用它？
答案：只说这一句目标，不规定它先开哪个邮箱、用什么话术、先回谁
对 Agent 是“交目标、放手让它拆步骤”。后三个都把决策权收回到你手里——第二、四项是你在逐步遥控，第三项是你把步骤写死，它就退化成被你牵着走的工具，没在自己“想步骤”。注意：适当给**约束/边界/护栏**（比如预算、口吻、别动哪些邮件）并不会让它不再是 Agent；区别在于它是否仍**自主决定具体怎么做**。
同样面对“这条退款该不该批”的问题，一个普通大模型(LLM)和一个 Agent，最本质的差别会体现在哪？
答案：Agent 会真的去调订单系统查这笔交易、再据实给出处理，LLM 只能凭你给的文字讲一套该怎么判的道理
本质差别是“会不会真的去取数据、动手执行”，不是聪明/篇幅/联网。Agent 可能用的还是同一个模型当脑子，所以“模型更大才更准”是错的；联网与否是工具的事、跟是不是 Agent 无关；篇幅长短更是无关项。
一个翻译插件，每次只把你选中的网页文字翻一遍就结束，从不根据结果再做下一步。按“脑子+手+循环”来看，它最缺的是 Agent 三零件里的 ___。
答案：循环
它有脑子(模型)、也动了手(改了网页文字)，但“翻一遍就结束、不看结果再决定下一步”正是缺了循环——只能一锤子买卖。注意：缺的不是“手”，因为它确实执行了动作。
判断：有个值班脚本，每晚定时跑一次，固定执行“备份数据库 → 清日志 → 发一封完成邮件”，从不看上一步结果、也不会换做法。因为它真的动手干了活，所以它算一个 Agent。
答案：错
“动手”只是必要条件之一。这个脚本步骤写死、不看结果、不会自己决定下一步，缺了“想”和“循环”，本质是定时任务/普通脚本，不是 Agent。能否动手 ≠ 是不是 Agent。
下面四段对“查竞品最新报价”的描述，哪一段才真正是一个 Agent 在工作？
答案：它先打开竞品页面抓到价格，发现页面改版没抓到，于是换了搜索再试，最后把核实到的报价发给你
正确项里它真的去取数据、还根据“没抓到”的结果换了做法再试——脑子+手+循环齐全。写流程文档、整理你已给的文字、给口头提醒，都只在动嘴或加工现成信息，没真去把活干成。
下面这段对智能音箱的指令里，方括号标出了四个部分，只有一个符合“对 Agent 应该交代的东西”，其余都是在替它规定步骤。请填出那一个部分的编号： “[①明早 7 点前让我家暖和到 22 度]，[②先开客厅空调]，[③再把卧室地暖调到三档]，[④十分钟后去关加湿器]。”
答案：①
①是“目标”（要达成的状态），该交给 Agent 的正是它；②③④都是你替它写死的具体操作步骤，本不该由你来定——给目标、不给步骤，步骤是它自己想的。