从问答到办事：智能体是如何把一个目标拆成多步任务的

引言

如果只看聊天窗口，大模型像一个知识渊博的回答者：你问一句，它答一句。但真正让它开始“办事”的，不是回答变长了，而是系统在它周围搭起了一套工作流：理解目标、拆解步骤、调用工具、检查结果、发现错误再修正。人们把这种能连续执行多步任务的系统称为智能体。它不是某一个模型，而是一种组织方式。

一、为什么单步问答不够用

很多真实任务天然就是多步的。整理一份调研、核对一组数据、从多个文档里拼出一份报告，都不可能靠一句话完成。单步问答的局限在于，它只能在一次生成里给出结果，无法中途查资料、无法验证中间结论、也无法在发现错误时回头。把任务交给智能体，本质上是把“一次生成”换成“多次生成加多次检查”。

二、拆解：目标越大，拆解越重要

智能体的第一步通常是拆解。一个含糊的目标要先被澄清：最终交付物是什么、有哪些约束、哪些信息是已知的、哪些需要去查。拆解的质量直接决定后续步骤的质量。拆得太粗，执行时会遗漏关键环节；拆得太细，又会让系统在琐事上消耗过多精力，还容易在步骤之间丢失上下文。好的拆解往往是分层的：先分阶段，再在每个阶段里列出可验证的小目标。例如“做一份竞品分析”可以拆成确定比较维度、收集公开资料、整理差异、形成结论四个阶段，每个阶段都有明确的产出，而不是一开始就要求直接写出全文。

三、工具：让模型从“知道”走向“做到”

模型本身擅长语言，但不擅长精确计算、实时查询和操作外部系统。工具补上了这一块：搜索工具用来查最新信息，计算工具用来算数，文件工具用来读写文档，接口工具用来调用业务系统。工具调用的关键不在于工具多，而在于选择准确。系统需要判断当前步骤到底需要哪种工具、传入什么参数、以及返回的结果是否可用。参数错一个，工具就会返回无用结果，整个链条就会卡住。因此，工具说明的清晰程度、参数格式的严格程度，往往比模型规模更能影响成功率。

四、检查与修正：智能体真正的分水岭

区分一个系统是不是合格的智能体，最好的标准不是它第一步做得多漂亮，而是它出错之后能不能自己发现并修正。检查可以分三层：格式检查，例如输出是否符合要求的数据结构；逻辑检查，例如中间结论是否自相矛盾；结果检查，例如最终交付物是否覆盖了最初的目标。发现问题后，系统可以选择重试、换一种方法、补充信息，或者把问题上报给人。没有检查环节的系统，本质上还是在“盲写”，只不过写得更长而已。

五、记忆与上下文：多步任务最容易丢的东西

步骤一多，上下文就会膨胀。早期的信息可能在后面的步骤里被遗忘，中间的决策理由也可能丢失。常见的做法是分层记忆：把原始对话、中间结论、工具返回结果分开存放，需要时再取回关键部分；同时用摘要压缩历史，只保留对后续步骤有用的结论。另一个容易被忽视的点是，记忆不只是“记住”，还要“更新”。当新证据推翻旧假设时，系统应当修正此前的结论，而不是继续沿着错误路线走下去。

六、人在回路里：不是放弃自动化，而是划清边界

多步任务越长，风险越大。涉及花钱、发消息、改数据、对外承诺的操作，不应当由系统悄悄执行。合理的做法是按风险分级：低风险的查询和草稿可以自动进行；中风险的操作先给人看一眼再执行；高风险的操作必须等人确认。这不是效率的倒退，而是让自动化发生在可控的范围内。很多智能体项目失败，不是因为模型不够强，而是因为一开始就给了系统过大的权限，第一次出错就失去了信任。

七、评估智能体，不能只看最后答案

评价问答系统，看答案对不对就够了；评价智能体，还要看过程：步骤是否合理、工具调用是否必要、出错后是否修正、成本是否可控、中间有没有产生误导性的结论。一个最终答案正确的系统，如果中间走了大量弯路、调用了大量无用工具，在实际使用中仍然是昂贵的。一个过程干净、错误可追溯的系统，即使偶尔需要人工介入，也更容易被长期使用。

结语

智能体的进步，很大程度上是工程方法的进步：拆解、工具、检查、记忆、权限，每一环做好一点，整体就可靠一点。它不会一夜之间替代所有人工流程，但它已经改变了我们组织任务的方式：先把目标说清楚，再让系统一步一步去执行、去验证，而不是指望一次提问就得到完美答案。理解这一点，比追逐某一个新模型的名字更有用。