---
url: /courses/ai-literacy/08.agents.md
---
# 第六章：让 AI 使用工具和参与流程

前面几章里，AI 主要是在回答、解释、总结和基于资料生成内容。

但真实应用里，AI 往往不只是“说话”。它可能还要：

* 查一个资料库。
* 调用搜索。
* 读取课程进度。
* 生成一张练习卡。
* 保存你的答题结果。
* 帮你草拟一封邮件。
* 在你确认后提交一个表单。

这就进入了“AI 使用工具和参与流程”的世界。

工程里常把这类系统叫 Agent。你不用急着背定义，先记住一句话：

> Agent 不是更聪明的聊天框，而是让 AI 在目标、状态、工具、规则和人类确认之间工作。

## 6.1 从“回答”到“行动”

先看两个请求。

请求一：

```txt
请告诉我怎样复习第三章。
```

这只是回答。AI 可以根据教材内容给建议。

请求二：

```txt
请根据我第三章小测错题，生成 2 道针对性练习，并记录我的完成情况。
```

这就不只是回答了。它需要：

* 读取你的答题结果。
* 判断你错在哪里。
* 生成练习题。
* 把练习卡展示出来。
* 保存你的新作答。

这里面有些事情可以让模型做，有些事情必须由系统工具做，有些事情还需要你确认。

## 6.2 一个工具型 AI 流程的五步

可以先用五步理解：

| 步骤 | 问题 | 例子 |
|---|---|---|
| 目标 | 用户到底要完成什么？ | 根据错题继续练习。 |
| 观察 | AI 当前能看到哪些状态？ | 章节、题目、答题结果、学习画像。 |
| 工具 | 哪些动作需要系统工具完成？ | 读取记录、生成卡片、保存作答。 |
| 确认 | 哪些动作需要用户或老师确认？ | 是否把练习结果纳入学习画像。 |
| 停止 | 什么时候该停下来？ | 已完成两题，或用户说停止。 |

这五步比“这是不是 Agent”更重要。

如果一个 AI 功能说自己很智能，但说不清目标、观察、工具、确认和停止条件，那它就很容易变成不受控的自动化。

{{reflection-checkpoint:agent-tool-flow-checkpoint}}

## 6.3 工具不是随便给的

工具可以让 AI 更有用，也会让风险变大。

比如：

* 查询资料：风险较低，但要注意来源和权限。
* 保存学习记录：需要说明保存什么、保存到哪里。
* 发送消息：需要用户确认内容和收件人。
* 删除文件：风险高，必须确认，最好能撤销。
* 付款、提交志愿、签署文件：高影响动作，不能只交给模型。

所以，工具要有清楚说明：

* 工具叫什么。
* 它能做什么。
* 它不能做什么。
* 需要哪些参数。
* 失败时怎么提示。
* 调用前是否需要确认。

模型不能靠“自觉”遵守边界。边界要写进系统。

## 6.4 人类确认不是落后

很多人听到 Agent，会期待 AI 自动把所有事情做完。

但真正可靠的 AI 产品，往往会故意保留人类确认。

比如：

* AI 可以草拟邮件，但发送前要你确认。
* AI 可以推荐修改，但应用到正式文档前要你确认。
* AI 可以生成学习计划，但是否采纳要你决定。
* AI 可以列志愿填报参考维度，但不能替你提交志愿。

这不是因为 AI 不够先进，而是因为重要动作需要责任边界。

一个好的系统会区分：

* 低风险建议：可以直接给。
* 可撤销操作：可以让用户快速确认。
* 高风险操作：必须明确确认，甚至需要老师、家长或专业人员参与。

## 6.5 停止条件很重要

如果 AI 可以连续调用工具，它就必须知道什么时候停止。

否则可能出现：

* 一直搜索，停不下来。
* 一直生成新任务，越做越多。
* 工具失败后反复重试。
* 用户目标已经变了，它还按旧目标继续。
* 做了超过用户授权范围的事。

简单的停止条件可以是：

* 完成指定数量的步骤。
* 工具返回失败并说明原因。
* 置信度不足，需要用户补充信息。
* 遇到高风险动作，暂停等待确认。
* 用户说“停止”“不用了”“先到这里”。

对学习类产品来说，停止条件尤其重要。AI 助理不应该无限给题，把学生拖进疲劳；它应该知道什么时候总结、什么时候休息、什么时候请学生自己表达。

## 6.6 用 XPKBook 里的助理做例子

XPKBook 的教材助理不是只会聊天。

它未来应该能感知：

* 学生正在读哪一节。
* 学生做过哪些实验。
* 小测哪些题答错。
* 练习卡完成情况如何。
* 哪些知识点可能还不稳。

但这些信息不应该靠模型反向猜页面 DOM。更合理的方式，是从 IR/AST 级别把学习状态、题目、章节、知识点和交互事件结构化地交给 AI 系统。

这时，助理可能使用这些“工具”：

* 读取当前章节和知识点。
* 读取学生授权的学习画像。
* 读取小测结果。
* 生成一张新的练习卡。
* 保存学生对练习卡的作答。

但它仍然需要边界：

* 正文实验框和书籍助理上下文隔离。
* 学习记录是否保存要有清楚规则。
* 敏感数据不能进入发布包。
* 助理不能替学生完成学习任务。

这就是本章真正想讲的 Agent：不是炫技，而是让 AI 在工具和流程中有边界地工作。

{{reflection-checkpoint:agent-tool-confirmation-checkpoint}}

## 6.7 本章小测

下面几道题帮助你确认：你是否能区分建议、工具调用、高风险动作和人类确认。

{{assessment:agent-tool-check}}

## 本章小结

让 AI 使用工具和参与流程时，要记住：

* Agent 不是更炫的聊天框，而是目标、状态、工具、规则和确认组成的系统。
* 模型适合理解意图、生成建议、整理信息。
* 工具适合查询、保存、发送、计算、调用业务系统。
* 越重要、越不可撤销的动作，越需要人类确认。
* 工具调用需要权限、日志、失败处理和停止条件。
* 学习助理应该帮助学生练习和反思，而不是替学生完成学习。

下一章我们会收束到更完整的问题：从一次对话到一个 AI 应用，除了模型、资料和工具，还要考虑体验、成本、延迟和用户信任。