A0.1 智能体的心跳：思考、行动、观察
一句话需求，两种命运
你对 AI 说：
「明天上午 10 点我约了客户在公司开会。看下明天北京的天气，要是下雨，把会改成线上并通知对方。」
聊天机器人的回答会很得体：「建议你查看天气预报，如果有雨，可以打开日历修改会议地点，并发消息通知客户……」——说得全对，但天气没查、会没改、通知没发。它把你的任务原样还给了你。
智能体收到同一句话，会真的去查、去改、去通知，最后告诉你一句「办完了」。亲眼看一遍它是怎么办的：
拆开看：里面根本没有新零件
把刚才的轨迹倒回去看，智能体只是在重复三拍：
- 🤔 思考：根据目前知道的一切，决定下一步干什么；
- 🔧 行动：调用一个工具（查天气、查日历、改日程）；
- 👀 观察：把工具的返回结果读进来， 回到第 1 拍。
循环转到任务完成，输出最终回答。这个「思考 → 行动 → 观察」的循环就是行动循环——智能体的心跳。学术圈把这种「想一句、做一步、看结果」的范式叫 ReAct（2022 年提出，Reason + Act 的缩写）。
关键在于：每一拍「思考」和「行动」，模型做的都是上篇讲了九章的那件事——预测下一个词。 区别只有两处：
- 它生成的文本里可以出现一种特殊格式：工具调用请求（下一章细讲）；
- 生成不是一轮就结束：工具的结果会拼回上下文，让它接着生成。
智能体 = 大模型 + 工具 + 循环。 模型负责决策，工具负责干活，循环负责把事办完。
所以上篇的所有知识在这里全部续命：思考的质量取决于预训练和后训练（第 4、5 章）、每一步输出是采样出来的所以有随机性（3.6 节）、上下文窗口是它的工作记忆（8.2 节）。智能体不是新物种，是大模型的「带手办事形态」。
循环带来了什么，又带走了什么
多了循环，能力和风险一起翻倍：
| 聊天（单轮生成） | 智能体（循环） | |
|---|---|---|
| 能做的事 | 生成文本 | 改变世界（真的会动你的日历） |
| 出错的代价 | 你看出来就行 | 错误的行动可能不可撤销 |
| 一次任务的成本 | 一轮生成 | 几轮到几百轮生成 + 工具执行 |
| 失败方式 | 说错话 | 每一步都可能错，错误还会滚雪球（A7 章细算这笔账） |
这张表就是下篇的课程大纲：怎么把「行动」做对（A1）、怎么把「思考」做稳（A2A4）、怎么多个循环协作（A5A6）、怎么衡量与兜底（A7~A8）。
「心跳」听起来像智能体有个天然的生命节律——其实没有。循环是一段普普通通的外层程序（一个 while 循环）在驱动，模型每一拍都是被动地收到上下文、吐出文本。「自主性」不在模型里，而在我们允许这个循环转多久、给它什么权限。这也是为什么 A8 章的安全问题最终是工程和制度问题。
小结
- 智能体 = 大模型 + 工具 + 循环；「思考 → 行动 → 观察」转到任务完成。
- 每一拍思考仍然只是「预测下一个词」——上篇的一切在这里继续有效。
- 循环让模型从「给建议」变成「办完事」，也让错误从「说错话」变成「做错事」。
延伸阅读
- ReAct 论文（2022）——「思考+行动」范式的出处，实验部分很好读。
- Anthropic：Building Effective Agents——业界引用最多的智能体工程手册，下一节和 A4 章会反复用到它的框架。
- 下一节 A0.2 自主性光谱：什么时候该用智能体，什么时候一条写死的流水线更好。