它说“我查一下”，可它根本上不了网｜Agent 内部 02

上一篇 Tenon 里那个助手 Neva，到现在还只会一件事：你说一句，它答一句。

假设你正在 Tenon 里整理一份 AI 工具对比的笔记，写到一半，顺口问 Neva：「ChatGPT Plus 现在多少钱一个月？」

这种问题，一个纯粹的聊天机器人很难答好。它的知识停在训练那一刻，价格、版本号、今天的新闻这类东西，训练完之后随时在变。它要么拿一个可能过时的旧数字硬答，要么老实说”我不确定最新价格”。

但你大概也见过更利落的：它说一句”我查一下”，停顿一下，然后给你一个像是刚核对过的回答。看起来，它上网搜了一圈。

可问题是——模型根本上不了网。

它不会动手，只会开口

模型被训练出来之后，就是一个封闭的引擎：会读你给的字、会写出回答，但没有手、没有网线，碰不到外面的世界。那句”我查一下”，它到底是怎么做到的？

靠的是产品给它配的一个工具（Tool），比如搜索。但关键在于：模型不会自己去执行工具，它只会”开口请求”。

具体到一轮里，事情是这样的：你问了一个需要最新信息的问题，模型这一轮没有直接作答，而是吐出一个请求——“我要用 search，去查 ‘ChatGPT Plus 价格’“。它能做的，到这儿就为止了。

接着轮到系统出场——就是你所用产品背后那套代码。系统看到这个请求，替它去真的执行搜索，把搜到的结果写成文字，放回模型眼前。下一轮，模型读到这些结果，才给出最终回答。

所以”它帮我查了”的真相是：它开口，系统动手，结果再回到它眼前。 它自己始终没碰过网络。

每一轮，都是一个全新的请求

这一来一回，看起来像 Neva 在”连续地想、连续地做”。但拆开它内部，会撞见一个反直觉的事实：模型并没有”连续”。每一轮，都是一个从头组装的全新请求。

第 1 轮，发给模型的请求里只有 System Prompt 和你的问题；模型读完，吐出一个 web_search 请求就停了。然后系统执行搜索，拿到结果。

到第 2 轮，模型并不是”接着上一轮往下想”——上一轮对它来说已经结束了，它什么都没记住。是系统把 System Prompt、你的原始问题、上一轮那个 web_search 请求、还有搜来的结果，整个重新打包成一个全新的请求，再发一次。模型这才像是”看到了搜索结果”，给出回答。

如果第 2 轮模型觉得还不够（比如想再核一个细节），它会再吐一个请求，于是有了第 3 轮——同样是系统把前面的一切重新组装好，从头发一遍。一轮、两轮、三轮……每一轮都是独立的、全新的请求。

所谓”循环”，就是这么转起来的：模型负责”想下一步干嘛”，系统负责”动手、并把发生过的一切重新组织进下一轮”。Neva 看起来在连续地干活，其实它每次睁眼，面前都是一份系统刚替它码好的新材料。

这一圈，就是 agent 的分界线

上一篇结尾说过，聊天机器人和 agent 的差别，在于 agent 能”自己动手、看结果、再继续”。现在你看到了这个”动手”具体长什么样：它不是真的动手，而是开口请求 → 系统执行 → 结果回到眼前 → 它接着想，这一圈转完，才有了最终回答。

业界给这个圈起了个名字：ReAct（Reason + Act，想一步、做一步，做完再想）。名字不重要，重要的是那个形状——会转圈的，才是 agent；只会一来一回的，还是聊天机器人。

而所谓”最简单的 agent”，配方就这么点：上一篇那个聊天机器人，加一个工具，加上这个”做了再看、看了再想”的循环。仅此而已。

接着往下拆

这一篇里，模型只用了一个工具、转了一两圈。可现实的问题往往没这么轻：你给它的不是一个搜索词，而是一份两百页的文件、一整个文件夹；它要做的也不只是”查一查”，还可能是动手改、动手建。工具一多、材料一大，新的麻烦就跟着来了——那是后面几篇的事。

但无论转多少圈、用多少工具，都跑不出这一篇的这句话：

它自己不动手，只开口请求；系统替它做、把结果递回，它再接着想。这一圈一圈，就是 agent。