看清情况、想好步骤、动手去做、检查改进，转成一个圈。
感知与状态建模弄清“现在是什么情况”。推理与规划想好“接下来怎么办”。决策与行动选出“这一步做什么”并去做。反馈与学习检查“做得对不对”，再加以改进。
自己做一道菜也是这四步：看看冰箱里有什么，想好做什么菜、先做哪一步，动手切菜下锅，尝一口咸淡再调整。
文字、图像、声音、表格，四条路把外界信息送进来。
文本输入要读懂意思。视觉输入要认出图里有什么，右上图正在给街上的汽车、行人、自行车画框，标上名字。听觉输入要把语音转成文字。结构化输入是表格、图表这类数据，要弄清每一列是什么意思。
办班会时四条路都会用到：班长在群里发的文字，同学拍来的教室照片，辅导员发的一段语音，教务系统导出的课表，都要先读进来。
智能体从教务系统拿到一张课表，表里有“星期”“节次”“课程”“教室”四列。它处理的是哪一类输入？
状态要回答一个问题：这件事现在办到哪一步了。
| 信息类别 | 卡片上记着什么 |
|---|---|
| 任务结构与进度 | 一共八件事，已完成定时间、发通知、统计人数三件，下一件是订教室 |
| 工具与能力边界 | 能查课表、发群通知、提交教室申请，花钱之前必须先问班长 |
| 关键事实与来源 | 报名 38 人（来自报名表），周三晚上全班没课（来自课表） |
| 执行轨迹 | 第 3 步调用了“统计报名”工具，参数是班级编号，返回 38 人 |
出了问题要能倒查。比如教室订错了，翻一翻执行轨迹，就能看出是哪一步传错了哪个参数。
状态卡像医院的交接班记录。护士换班时要交代病人的情况、用过什么药、下一步做什么，接班的人才能接着照顾。
把零散的信息整理成一张随时更新的任务画像。
用户输入、外部资料、工具回执三路信息进来，先经过解析与对齐，再分两路存放。一路更新任务状态，记的是目标、计划和结果。另一路存进证据库，记的是每条结论的依据。
工具回执就是工具办完事以后的回话。智能体提交了教室申请，教务系统回复“预订成功，编号 0927”，这条回复就要记进任务状态和证据库。
凭权威材料下判断，结论要能指回出处。
凭印象回答，说得再流利也可能是编的。基于知识的推理先挑出相关的材料，再从中找到具体条文，最后的结论能说清来自哪一份材料的哪一条。
第 5 章讲过检索增强生成：先去资料库里找相关内容，再让模型根据找到的材料回答。这里是把同一个思路用在智能体的推理环节里。
复杂问题拆成几个中间步骤，一步步推出结论。
| 普通提示 | 思维链提示 | |
|---|---|---|
| 给模型看的例题 | 罗杰有 5 个网球，又买了 2 罐，每罐 3 个，现在有几个？答：11 个。 | 同一道例题，答案写成：原有 5 个，2 罐共 6 个，5 ＋ 6 ＝ 11，答：11 个。 |
| 让模型做的新题 | 食堂有 23 个苹果，午饭用掉 20 个，又买了 6 个，现在有几个？ | 同一道新题 |
| 模型的回答 | 答：27 个（错） | 原有 23 个，用掉 20 个剩 3 个，又买 6 个，3 ＋ 6 ＝ 9，答：9 个（对） |
一道三步的应用题，心算容易漏掉一步，写在纸上一步步算，每一步都能回头检查。思维链就是让模型从心算改成笔算。
模型写出的步骤也可能有错，或者步骤和最后的答案对不上。重要的结论还要靠工具或者人再核对一遍，下一页的工具辅助推理就是一种办法。
查不到的、算不准的，交给工具去办。
| 模型自己做不好的事 | 交给哪类工具 |
|---|---|
| 最新的信息，比如这周的通知 | 搜索、查数据库 |
| 精确的计算，比如 38 × 5.5 | 计算器、运行代码 |
| 需要有依据的判断 | 查规章、查资料库 |
什么时候用工具，用哪一个，参数怎么填。任何一个答错，工具就帮不上忙。比如选对了“查作业截止时间”，课程名却填成了“高等数学”，查回来的就是另一门课的作业。
本章实验一给一个课程学习助理配了七个工具，你会看到它面对学生的一句话怎样挑工具、填参数，又在什么情况下挑错。
有人问“38 个人每人交 5.5 元，一共多少钱”，智能体最稳妥的做法是什么？
把一个模糊的目标，拆成一串排好先后的具体事情。
推理负责判断眼下的情况，比如“人数还没统计出来”。规划负责排出一条能往前推的路，比如“先统计人数，再订教室和申请经费”。
这张图的读法和做饭一样。米饭要先淘米再煮，菜要先洗、再切、再炒，两条线可以同时进行，最后一起上桌。订教室和申请经费也是两条可以同时推进的线。
如果计划里漏掉了“申请经费”，会在哪一步出问题？