20 min · 这 30 行代码是你毕业设计（L20）的种子
🎒 预备知识：完成上一课「L7」（零基础入口：第 0 课）
Agent = LLM 在循环里自主决定调用哪些工具，直到达成目标。
它和 chatbot 差在工具，和 workflow 差在谁决定下一步——workflow 是代码写死的图，
agent 是模型现场决策的循环。
别背定义，读代码。下面是一个真的能跑的最小 agent（OpenAI 兼容 API + 一个工具）， 注意它怎么体现公式四要素，以及 A3 三条铁律的影子：
from openai import OpenAI
import json
client = OpenAI()
TOOLS = [{"type": "function", "function": {
"name": "read_file", "description": "读取本地文本文件内容",
"parameters": {"type": "object",
"properties": {"path": {"type": "string"}},
"required": ["path"]}}}]
def execute(name, args):
try:
return open(args["path"]).read()[:4000]
except Exception as e:
return json.dumps({"error": str(e)}) # 铁律①：失败也是消息，不抛异常
messages = [{"role": "system", "content": "你是文件问答助手。"},
{"role": "user", "content": "tmp/notes.md 里写了什么？"}]
for step in range(10): # 铁律③：步数上限，防失控
msg = client.chat.completions.create(
model="gpt-4o-mini", messages=messages,
tools=TOOLS).choices[0].message
messages.append(msg) # 铁律②：历史只追加
if not msg.tool_calls: # 停止条件：不再要工具 = 给出最终回答
print(msg.content); break
for call in msg.tool_calls: # 有工具调用：执行并回填，进入下一轮
messages.append({"role": "tool", "tool_call_id": call.id,
"content": execute(call.function.name,
json.loads(call.function.arguments))})对照公式读：LLM（chat.completions.create 那次调用）、工具（TOOLS 与 execute）、
循环（for + 回填）、停止条件（第 19 行 no tool_calls / 第 12 行步数上限）。
这 30 行就是所有 agent 的胚胎——OpenClaw 那 1562 行（正课 L16）是给它加上流式、并发、
compaction、钩子之后的成人版。
| 下一步谁决定 | 例子 | 退化缺什么 | |
|---|---|---|---|
| Chatbot | 没有"下一步"，一次回答 | 裸聊 LLM | 缺工具+循环 |
| Workflow | 代码写死的流程图，LLM 只填空 | 固定管道：摘要→翻译→润色 | 有工具但无自主决策 |
| Agent | 模型现场决定，路径不可预知 | Easel、Claude Code | 四要素齐备 |
判定口诀：跟踪一次真实任务的调用序列，如果写代码时就能画出完整流程图，它是 workflow； 如果流程图必须等模型边跑边画，它才是 agent。
Anthropic 的工程建议值得抄在墙上：能 workflow 就别 agent——确定性任务用固定图更便宜 （少轮数、可缓存、可测试）；agent 的自由度留给真正需要现场判断的任务。 Easel 是 agent，因为"发一条小红书"的路径（先查热点还是先写文案？图片几张？要不要先过闸门？）无法预写。
坑 1：一切皆 agent。把"翻译这段话"也包成 agent——多花十倍 token 换来零收益。 先问：这个任务需要几次现场决策？答案是 0 次就别用 agent。
坑 2：agent 没有预算。步数上限、超时、费用护栏缺一不可——一次坏决策在循环里会 自我放大（模型决定"再试一次"是它的天性）。
坑 3：把 workflow 伪装成 agent。prompt 里写死"第一步…第二步…第三步…"， 模型只是念稿——这不是 agent，是昂贵的 workflow。真 agent 的 prompt 写目标和约束， 不写步骤。
判断三个场景该用 chatbot / workflow / agent 哪个，并各说一句理由： ① 每天把日报翻译成英文；② 帮用户找到并修复仓库里的 bug；③ 陪练英语口语。 然后回答：上面 30 行代码里，哪一行如果删掉，它就从 agent 退化成了 chatbot？发到对话里我批改。