先看一个需求整理任务：你给出目标和材料，助手读文件、组织信息、生成产物，你检查后提出修正，它再读取依据并修改。这条过程能帮助你理解 Agent。
本书把能够围绕任务选择并使用工具、根据结果继续推进的助手称为 Agent。模型负责理解与生成，工具提供读文件、查资料或写产物的动作，当前材料与规则限制它能够合理得出什么结论。Agent 不等于永远自主行动，也不等于拥有全部权限。
一轮工作可以这样看
你的目标和边界
↓
理解任务 → 选择下一步 → 使用工具 → 观察返回结果
↑ ↓
└── 发现缺口，修正 ───┘
↓
交付给人检查
这是教学示意，不是某个产品内部算法的完整图。重要的是观察实际动作：是否读到了文件，工具有没有报错，是否在信息不足时明确停下。只有一段“我将进行分析”的计划，不证明已经执行；工具调用成功也不证明输出正确。
在猎头场景里，好的停止点很具体。例如，输入关于常驻地互相冲突，助手可以整理两方说法和确认问题，但不应擅自选一个地点继续排除候选人。能说明为什么不能继续，是有效交付的一部分。
你可以在下一项任务加一句：“执行前复述输入、目标、输出位置；执行后列实际完成与未完成项。”它会让过程更容易核对，但不替代真实检查。
先把“问一句”与“交一件事”分开
你问“需求访谈通常问什么”，助手可以直接生成一份建议。这是回答问题。你交代“读这三份文件，找出前后变化，按模板生成需求基线，缺少来源就补查”，就需要它执行一串动作，并根据中间结果决定下一步。
本书所说的 Agent（智能体），是模型参与选择步骤、借助工具执行并观察结果的任务系统。它不是另一个神秘模型，也不是给聊天机器人起了一个“资深猎头”的名字。你看到的任务界面是入口，背后还需要模型、工具、当前材料和执行规则共同工作。
| 你看到的动作 | 在需求对齐任务里意味着什么 |
|---|---|
| 读取文件 | 通过工具取得指定 JD 与确认记录，不是凭聊天印象猜内容 |
| 比较与判断 | 模型依据原文和规则区分硬条件、偏好、未知与冲突 |
| 继续补查 | 发现缺少来源，回到指定材料查找；没有就保留未知 |
| 写出文件 | 工具把整理结果保存为你能打开的产物 |
| 停下交接 | 无权解决的冲突交给你确认，而不是自行定案 |
宽表格可左右滑动查看
这些是本书的教学拆解。不同产品会把部分动作固定为流程，也会让模型决定部分步骤；有聊天窗口不代表每次都采用 Agent 执行方式。架构参考：Anthropic 对工作流与 Agent 的区分
对猎头有什么用，边界又在哪里
你可以把反复读取、整理、按规则生成初稿的工作交出去，留下可复查的过程。你仍需判断岗位要求是否合理、证据是否支持结论，以及什么可以对客户或候选人承诺。工具权限只决定它能做哪些动作，不保证这些动作做得对。
一个 Agent 可以在不同任务里使用不同 Skill；一个 Skill 也可以交给支持它的不同 Agent 使用。换了工具或模型后仍要复测，不能把“同一份方法文件”理解成“每次结果完全一样”。
培训里的第一道判断题：它真的做了吗？
看三个回复：A「我建议你比较三份材料」；B「我已生成需求基线」，但没有可打开的文件；C 列出实际读取的文件、保存的产物与未解决的冲突。哪一个足以开始验收？
展开参考答案
C 提供了可验收的线索，仍需打开产物并回查来源。A 是建议；B 是完成声明，缺少证据。判断 Agent 的执行，要看实际动作和结果，不能只看它怎样自我介绍。
再问自己：材料没有预算时，它应该继续做什么？应该整理已知项，标注预算未知并提出确认问题；不能为了完成表格编一个区间。停止猜测，与停止全部工作，是两回事。
本讲带走： 用自己的话解释「Agent 会围绕目标选择动作、观察结果，再继续或交接」。接着读六个概念如何配合。