agents

到目前为止，我们已经了解到，AI 模型可以调用工具来扩展能力。但如果让它们调用多个工具、自主决定使用哪些工具，甚至从结果中学习呢？这正是agents的用武之地。

agents的核心其实很简单：让工具在循环中运行。

可以这样理解：你不必一步步告诉 AI 该做什么，而是给它一个目标，让它自己找出实现目标的步骤。这就像给某人逐向导航，和只告诉他们目的地、让他们自己用 GPS 导航之间的区别。

智能体在实际工作中如何运作

假设您让一个 AI 智能体“为我的设置页面添加深色模式切换开关”。智能体随即开始行动，先搜索您的代码库，找到设置页面。找到相关文件后，它会阅读这些文件，了解当前的结构和样式方案。

接下来会发生一件有趣的事：智能体会自行制定实现该功能的方案。它可能决定添加状态变量、创建新的 CSS 类、实现切换组件，并更新 UI。在执行每一步时，它都会不断检查工作成果、运行测试，并修复出现的错误。

整个过程通过一系列工具调用完成，智能体会根据每项操作的结果决定下一步做什么。这就像看着某人边思考边自言自语，只不过他们会同时把工作完成。

agents正在改变我们的开发方式

agents真正神奇之处，在于它们改变了您作为开发者的角色。

无需先后询问“components 文件夹中有哪些文件？”“你能读取 Button 组件吗？”以及“现在更新它，添加深色模式变体”，您只需说明最终目标，让agents完成整个过程。

这是一次重大转变，因为您将成为任务管理者，而非任务执行者。您可以让多个agents同时处理代码库的不同部分：一个agents为身份验证流程添加测试，另一个更新文档，第三个则在后台重构那个您一直想清理的杂乱工具文件。

与agents协作的现实

agents非常擅长目标明确、模式成熟的任务，例如为现有代码添加测试、更新文档、按一致的模式重构，以及修复错误消息明确的缺陷。

不过，它们仍难以处理需要深入理解系统交互的复杂调试、将视觉设计稿精确还原到像素级、使用训练数据中未包含的新库等任务。

可以把agents看作行动迅速的初级开发者：它们需要明确的指导，也很容易忘事，因此需要监督。它们可能会陷入循环，反复采用同一种失败的方法，却意识不到需要换一种策略。

由于需要进行大量工具调用和迭代，agents消耗的 token 远多于简单提问。如果缺乏适当约束，它们可能会热情地做出你并不希望的更改。更重要的是，你仍需负责验证代码能否正常运行，并符合你的标准。

委派的艺术

要高效地与智能体协作，关键在于了解该委派什么，以及何时委派。先从较小、定义明确的任务开始，逐步建立信心。随着你越来越熟练，可以委派更大块的工作，但过程中始终要设置检查点和验证步骤。我们将在课程后续内容中介绍更多实用示例。

目标并非消除人工参与，而是放大你能完成的工作。你将成为架构师和审阅人，而智能体负责处理实现细节。

展望未来

我们已经了解了 AI 模型的工作基础：从 token、上下文到工具和智能体。接下来的课程将通过实际示例，讲解如何在 Cherri Code 中运用这些概念构建真正的软件。

你将学习如何编写效果更好的提示词、在不触及上下文限额的情况下管理长对话、有效地将工作委派给智能体、建立完善的验证工作流，以及在问题不可避免地出现时进行调试。

使用 AI 是一项需要不断练习才能提升的技能。这些基础课程中建立的心智模型将帮助你理解为什么某些方法比其他方法更有效，让你能更高效地借助 AI 构建软件。