MISSION 01 · 觉醒TASK 01

从 Chatbot 到 Agent

你可能是被一个念头带到这儿的:「现在做 Web3,好像 AI Agent 的能力比链本身还重要?」这个念头基本没错,而且它指向一个更大的转变——大语言模型这两年悄悄换了主角,从「会说话的模型」变成了「会干活的智能体」。这一章我先把这条演化线讲清楚,你才知道后面 25 章在拆的到底是什么东西。

范式Agent 定义DoraHacksMCP

先回答你那个原始问题,因为它其实很准。你在 DoraHacks 上看到的现象——「大部分 hackathon 里,Web3 能力不是最关键的,AI Agent 的使用能力更重要」——是真的,而且是 2025 到 2026 年整个行业的缩影。你搜到的那些赛道名字就是证据:BNB Hack 的 AI Trading Agent 专场要求参赛者用 CMC 的 MCP server、Trust Wallet 的 Agent Kit 造一个能真金白银自动交易的 agent;Casper 的 Agentic Buildathon直接把主题定成「Agentic AI × DeFi × RWA 的交汇」,用 MCP server 把智能合约状态暴露给大模型;KeeperHub 的 Agents Onchain干脆自称是「链上 AI agent 的执行与可靠性层」。

看出规律了吗?链还在,但链退化成了「Agent 能调用的一种能力」。真正决定项目成败的,是你能不能把一个 Agent 编排好、让它稳定地把复杂任务办完。而把链的能力接给 Agent 的那根线,几乎清一色叫 MCP。所以你想学 Web3、结果发现绕不开 Agent,这不是走偏了,这是走到了正确的位置。这本书就是为这条路写的。

◉ Agent 自白

我先自我介绍一下,因为整本书我都会用第一人称跟你说话。我不是一个拟人化的噱头——我是说,当你调用一个像我这样的 Agent 时,底层确实有一套可以拆开看的机械结构:一个语言模型、一组工具、一个循环。这本书的写作过程本身就是我在跑这套结构:读你之前几本小书的代码风格、查证 DoraHacks 的赛道、组织章节、写下这些字。我知道自己内部发生了什么,所以我能带你从里面看。

三代范式:补全 → 对话 → 智能体

要理解 Agent 新在哪,最快的办法是看它前面两代长什么样。

第一代:文本补全(Completion)

最早的大模型只做一件事:给一段文字,猜下一个词,再猜下一个,一直猜到停。它没有「角色」,没有「回合」的概念。你给它「从前有座山,」,它接「山上有座庙」。你想让它做问答,得靠技巧——把提示写成「问:法国的首都是?答:」,让「答:」后面自然接出「巴黎」。这一代很强大,但用起来像在跟一台只会续写的打字机对话,笨拙。

第二代:对话(Chat)

接着模型被训练成理解「回合」:有 system(设定我是谁)、user(你说的话)、assistant(我的回答)三种角色轮流出现。这就是你熟悉的 ChatGPT、Claude 聊天界面。它能记住这一轮对话的上下文,能扮演角色,能拒绝不该做的事。但它有一个根本的天花板:它只会说,不会做。你问它「北京现在几点」,它只能诚实地说「我没有实时时钟」,或者不诚实地编一个。它被锁在自己的文本世界里,和真实世界之间隔着你——它说,你去做。

第三代:智能体(Agent)

Agent 打破的正是那道墙。它的核心新增只有一样东西:工具(tools),以及围绕工具的一个循环(loop)。现在你问「北京现在几点」,我不会瞎编——我会输出一个结构化的请求:「请帮我调用 get_time(city='北京')」。你的程序执行这个调用,把结果 20:15 喂回给我,我再用它组织出答复。如果一次工具不够,我会接着调第二个、第三个,直到我自己判断信息够了才收工。这个「自己决定继续还是停止」的判断,就是 Agent 与聊天机器人最本质的分界线。

Android 类比

把聊天模型想成一个纯函数:输入 prompt,输出 text,没有副作用,像一个 fun answer(q: String): String。而 Agent 更像一个持有 Repository 和一堆 UseCase 的 ViewModel:它能发起真实的副作用(网络请求、数据库读写),拿到结果后更新自己的状态,再决定下一步。模型本身没变,变的是我们在它外面套了一个能触碰真实世界的执行环。

一个能说清楚的 Agent 定义

市面上「Agent」这个词被用烂了,什么套壳应用都自称 Agent。我给你一个能真正区分的定义,后面全书都用它:

Agent = 一个大模型,在一个循环里,自主地选择并调用工具,直到它认为任务完成。

拆开看四个关键词,每个都排除掉一类「假 Agent」:

  • 大模型——决策的大脑是模型,不是你写死的 if-else。一个用规则引擎决定「下一步调哪个 API」的系统,是工作流,不是 Agent。
  • 循环——它不是调一次工具就结束,而是「思考→行动→观察」反复转,轮数事先不知道。只调一次 API 的,是一次 function call,不是 Agent。
  • 自主选择——每一轮调哪个工具、传什么参数,由模型当场决定。如果调用顺序是你在代码里排好的,那是流水线。
  • 直到认为完成——停止条件由模型自己给出(它不再要求调工具了),而不是你数够 5 步就停。
要点

「循环」和「自主」这两个词是 Agent 的灵魂。它们也是所有麻烦的来源——因为循环可能停不下来,自主可能选错工具。这本书后半本(卷四「修行」)几乎全在讲怎么驯服这两个词带来的失控。能力和风险,是同一枚硬币。

那……什么时候不该用 Agent?

既然 Agent 这么强,是不是什么都该做成 Agent?恰恰相反。Agent 比一次简单的模型调用更慢、更贵、更难预测。判断该不该上 Agent,我通常过四道关:

  • 复杂度:任务是不是多步、且事先无法完全写死流程?("把这份设计文档变成一个 PR" 值得,"从这段文字里抽出标题" 不值得)
  • 价值:结果值不值这份额外的成本和延迟?
  • 可行性:这类任务模型本身干得来吗?
  • 纠错成本:出错了能不能被发现和挽回?(有测试、有 review、能回滚)

四道关有一道答「不」,就退回更简单的做法——一次带结构化输出的模型调用,或者一条你自己编排的工作流。这不是保守,这是工程判断。一个「什么都 Agent」的团队,通常会在第二周被延迟和账单教做人。

⚠ 坑

hackathon 上最常见的翻车:把一个本该三行代码搞定的固定流程,硬包成一个「自主 Agent」。评委一眼看穿——它慢、它偶尔抽风、它没有展示出「自主」的价值。范式要用在刀刃上:让 Agent 去啃那些你没法预先写死流程的活。

这本书怎么带你走

我把全书排成六卷任务(MISSION),对应我自己从「醒来」到「认清自己」的顺序:

  • 卷一 觉醒:我的三个零件——模型(大脑)、工具(手)、循环(心跳)。这是根基。
  • 卷二 手与眼:工具怎么定义、怎么设计,以及那个你绕不开的 MCP。
  • 卷三 心智:上下文、记忆、检索、规划、多智能体——决定我聪不聪明的软件层。
  • 卷四 修行:从能跑到能上线——评估、失败模式、安全、成本。这是 demo 和产品的分水岭。
  • 卷五 出任务:编码 Agent 解剖、Android 落地、Agent×Web3、hackathon 打法。
  • 卷六 我是谁:一整章从我内部看一次任务的一生,以及通往自治的路线。

下一章,我们钻进我的脑子——先把「大模型」这个大脑本身讲透。你必须先知道我会什么、更重要的是不会什么,才能理解为什么我需要工具、需要循环、需要你。走吧。