学 Agent 前，先判断你的任务到底需不需要它

打开一门 Agent 课程，看到框架、工具调用、多代理，很容易觉得这些都要学。但如果你只是想把一段文字改成表格，先搭一个会自主规划的系统未必划算。这节课不做课程排行榜，而是用六张任务卡，帮你决定下一步该学什么。

本文参考微软《AI Agents for Beginners》第一课对环境、观察、行动和适用任务的讨论，重新编写了下面的独立练习。没有运行微软代码，不要求创建云账户。你可以在纸上判断，也可以把题目交给一个已有的 AI 对话工具讨论；讨论结果仍由你核对。

先抓住一个差别：步骤会不会因结果而变化

普通文本生成主要回答问题；固定工作流按你规定的顺序处理；Agent式系统则可能观察工具结果，再决定下一步。实际产品会把这些方式组合起来，不必执着于名称，但你需要知道新增自主决策是否真的带来价值。

例如“把名单按编号排序”已经有清楚算法，没有必要让模型自由决定排序规则。“查询一个订单后，根据状态选择继续查物流还是请求人工处理”则包含分支；其中哪些分支适合固定规则、哪些需要语言理解，值得再拆开看。

六张任务卡，先自己选

请给每张卡选一个起点：普通对话、确定性工具、固定工作流、有限自主Agent。可以写组合答案，但要说明原因。

A：把下面一段自我介绍缩短到100字，不查外部信息。
B：把30个文件按已有编号01—30排序，编号已经明确。
C：每天把某个表格中“已完成”的行复制到归档表，不改变其他字段。
D：收到课程咨询后，先查课程规则；若问题缺信息则追问；若两份规则冲突则交人工。
E：每周研究一个新主题，寻找资料、比较矛盾来源，并根据证据缺口补充搜索，最后只写报告。
F：帮我全自动经营一个网店，自己定价、采购、退款和联系客户，我不想再看。

不要急着把D、E、F都归到“越强的Agent越好”。先看输入是否稳定、工具是否存在、错误代价是否可承受，以及是否有能判断完成的结果。

一份有解释的参考答案

A可以从普通对话开始。材料和目标都在眼前，多一步系统搭建不会自动改善文案。B优先文件管理器或确定性脚本：排序规则明确，应该检查缺号、重号，而不是让模型猜顺序。

C适合固定工作流，但仍需确认归档表权限、重复执行是否会重复复制，以及原表是否只是读取。定时不等于Agent，自主规划也不是定时任务的必需条件。

D可以先做固定检索与分流，再让模型处理自然语言理解。三条分支已经能写清，不必立刻用复杂框架。E更值得探索有限自主Agent：搜索结果会暴露新的缺口，下一次查什么不能完全事先列完，但需要限制搜索范围和时间，并要求保留来源。

F不是一个可直接启动的首次练习。价格、采购、退款都涉及真实资金和外部承诺，目标又过宽。先拆成只读分析或供人确认的建议，再决定哪些步骤可以自动化；不能用“用户要省事”替代每类动作的授权设计。

把最有价值的一张卡拆成四格

以D“课程咨询”为例，不先选框架，先填四格：

如果你填不出“可以观察”的具体资料，模型就缺少回答依据。如果“可以行动”只有写一段话，那先用普通对话做原型完全合理，不必为了符合Agent的名号强行连接外部工具。

现在用完整的小样例检查这个设计：

规则V1：体验课每场最多8人，满员后可登记候补；没有承诺何时递补。
咨询1：这场已经8人了，我还能来吗？
咨询2：候补一定能在明天转正吗？
咨询3：我想参加，帮我处理一下。
任务：分别选择“可答”“需澄清”“不能承诺”，给一句原因，只出草稿。

预期咨询1解释已满员、可以候补，不能让人直接到场；咨询2说明规则没有保证明天转正；咨询3应问具体场次等必要信息，不能替用户凭空选一场。若你的原型连这些都处理不好，下一课应该先学任务描述和依据，而不是多代理协作。

根据卡点选择学习路线

如果你能描述结果，却不会提供材料和限制，先做给 Agent 写第一份任务单。学习成果是一份别人拿到也能执行和检查的任务，不是记住更多术语。

如果任务清楚，卡在“怎样把规则交给模型”，先用小文档做本地资料问答练习，区分资料未读到和读到了却答错。学会核对这两层，比一开始换模型更能解释问题。

如果你已经会写代码、调用工具，并想自己开发Agent，再进入微软课程的环境配置、工具设计与可信行为部分。源代码免费不等于模型和云服务零成本；先读当期设置说明，记录模型提供方、必要账户与额度，不要看到Notebook就一路运行。

做一个小成本的结课挑战

把你自己的需求改写成不超过五句话：想得到什么、现在有哪些资料、允许什么动作、遇到什么要停、怎样判定完成。再试着写出一个不使用Agent的替代方案。

如果替代方案同样完成目标、操作更少，就先用它。如果只有需要根据工具结果持续调整的方案能解决问题，再增加自主决策。判断Agent是否合适，不应只看它看起来有多先进，而要看多出的能力是否对应真实需要。

常见错误是把“步骤多”直接等同于Agent：十步固定转换也可以是普通工作流。另一个错误是把“回答长”当作会行动；没有工具和结果证据，它仍可能只是在描述应该做什么。把这两个误区拆开，你选择课程时就会更有方向。

来源与许可

参考微软《AI Agents for Beginners》第一课。上面的任务卡、课程咨询材料和中文练习为开工独立编写，不复用原课旅行示例或配图。原课程采用MIT许可，完整声明如下。

MIT License

Copyright (c) Microsoft Corporation.

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE