第8章：Agent 模式入门——让 AI 学会调用工具

1. 项目背景

“帮我把这份 50 页的 PDF 翻译成英文，然后发邮件给 john@example.com。”——这是个典型的"Agent 任务"。如果要靠 Chat App 或简单的 Workflow 来做，你需要分三步手动操作：上传 PDF 翻译 → 复制翻译结果 → 打开发邮件界面 → 粘贴内容 → 发送。但 Agent 可以自动完成全过程——翻译是调用 LLM，提取 PDF 文本是调用文档工具，发送邮件是调用邮件工具——Agent 像一个小助理，根据任务自动决定需要用什么工具、按什么顺序执行。

Dify 的 Agent 模式基于经典的 ReAct（Reasoning + Acting）范式——Thought（思考：我需要先做什么）→ Action（行动：调用某个工具）→ Observation（观察：工具返回了什么结果）→ 循环直到任务完成。这个机制让 Agent 不仅能"回答问题"，还能"做事"。

但 Agent 也有"翻车"的常见场景：调用工具后不知道下一步该怎么走（无限循环）、工具调用结果和预期不符（幻觉调用）、任务太简单却用了很贵的模型（杀鸡用牛刀）。本章将带你从 Agent 的基本配置出发，通过一个"智能行程规划 Agent"的完整实战，理解 Agent 的两种策略（FC 和 CoT）、工具选择与配置、以及如何写好 Agent 的系统提示词让它"听话"。

2. 项目设计

小胖：（兴奋地挥舞着手机）“大师！我昨天试了 Dify 的 Agent，让它帮我查’今天北京的天气’，它真的自己打开了搜索工具，搜到了天气，然后告诉我结果！这跟 ChatGPT 自动搜索完全不一