文章

Agentic AI 学习笔记：M1-M3 入门三部曲

整理 Andrew Ng Agentic AI 课程 M1-M3 核心内容：什么是 Agentic Workflow、Reflection 设计模式、Tool Use 工具调用与 MCP 协议。

发表于
作者 Wenchen
21 分钟阅读
Agentic AI 学习笔记：M1-M3 入门三部曲

Agentic AI M1–M3 图文笔记

来源：agentic_workflows_M1_learner.pdf | agentic_workflows_M2_learner.pdf | agentic_workflows_M3_learner.pdf 讲师：Andrew Ng

💡 小白注释：M1-M3 是 Agentic AI 的入门三部曲。M1 讲”什么是 Agentic AI”，M2 讲”写完后怎么检查改进”，M3 讲”怎么让 AI 调用外部工具干活”。全文用 💡 标记的都是通俗解释。

目录

  1. M1：Introduction to Agentic Workflows
  2. M2：Reflection Design Pattern
  3. M3：Tool Use
  4. M1–M3 串起来看

M1：Introduction to Agentic Workflows

1.1 什么是 Agentic Workflow

非 Agentic（零样本）：让 AI 一口气从头写到尾，不准改。

Agentic：把任务拆成多个步骤，逐步完成——先列大纲、再调研、写初稿、检查、修改……

page 03

💡 小白注释：非 Agentic 就像考试作文必须一笔写成、不准用橡皮。Agentic 就像正常写作——先打草稿、再修改、再润色。哪种质量更高？ obvious。

官方定义：Agentic AI workflow 是一个 LLM-based 应用执行多个步骤来完成任务的过程。

page 04

💡 小白注释：M1 的核心就一句话——不要只看最终答案，要看过程能不能被控制。一次性生成是”黑盒”，中间出了什么错你不知道；拆成多步后，每一步都能检查、都能改。

1.2 Agenticness / 自主程度

Agentic AI 不是”有”或”没有”的二分法，而是一个连续谱。

低自主：

  • 步骤事先定义好
  • 工具调用路径固定
  • LLM 只负责文本生成或局部判断

高自主：

  • Agent 自己决定下一步做什么
  • 会根据中间结果改计划
  • 可以自主选择工具，甚至动态创建新工具

page 07

page 08

💡 小白注释：就像自动驾驶——低自主是”定速巡航”（你设定速度，车只负责踩油门），高自主是”全自动驾驶”（车自己看路、自己变道、自己找停车场）。M1-M3 主要在讲从”定速巡航”往”辅助驾驶”走的过程。

1.3 为什么要用 Agentic Workflow

研究表明，Agentic 系统的性能显著优于非 Agentic 系统。

page 10

💡 小白注释：这张图来自 HumanEval 编程基准测试。同样是 GPT-4，不加任何 agentic 技巧时通过率约 67%；加上 Reflection、Tool Use、Planning、Multi-agent 后，最好的系统能到 90%+。同样的模型，不同的用法，效果天差地别。

四大好处：

好处说明
性能更好多步迭代比一次性生成质量高
并行化提速多个搜索/下载可以同时进行
模块化每个组件可以单独替换升级
适合复杂任务步骤多了才能处理复杂问题

page 11

page 12

💡 小白注释：并行化就像厨房里有三个灶台同时炒菜；模块化就像乐高——今天用红色积木，明天可以换成蓝色，不用拆整座城堡。

1.4 任务拆解 Task Decomposition

M1 里最重要的工程能力之一就是”拆任务”。

示例：

  • 论文写作：大纲 → 调研 → 初稿 → 修改 → 定稿
  • 客服邮件：提取信息 → 查订单 → 草拟回复 → 人工审核
  • 发票抽取：识别字段 → 结构化 → 校验 → 入库

判断每一步时要问：

  1. LLM 能不能做？
  2. Tool 能不能做？
  3. 是否需要 human-in-the-loop？

💡 小白注释：拆任务的原则——能交给工具的交给工具，能交给人类的交给人类，LLM 只干它最擅长的”理解+生成”。就像餐厅里，厨师炒菜、洗碗机洗碗、服务员传菜，各司其职。

1.5 如何评估 Agentic AI

  • Objective evals：用代码判断，适合有标准答案的任务
  • Subjective evals：用 LLM-as-judge，适合主观质量任务
  • End-to-end eval：看整体结果
  • Component-level eval：看每个组件

关键点：trace（轨迹）很重要，error analysis（错误分析）很重要。

💡 小白注释：M1 先告诉你”要评估”，具体怎么评估是 M4 详细讲的。记住：没有考卷，你就不知道改完是好了还是坏了。

M2：Reflection Design Pattern

2.1 Reflection 是什么

Reflection 的核心就是：先生成初稿，再检查，再修改。

可以记成一个简单循环：

1

生成 V1 → 审查/检查 → 修改 V2 → 再检查 → (循环)

page 03

💡 小白注释：你写邮件——第一版经常有错别字、忘签名、语气不对。Reflection 就是”写完先读一遍再发”的习惯。AI 也一样，先生成一版，再自我检查，再改一版。

2.2 Reflection 改进代码

page 04

过程：

  1. LLM 写第一版代码
  2. 另一个 LLM（或同一个）检查 bug
  3. 写出改进后的第二版

💡 小白注释：就像程序员写完代码后让同事 code review。第一版代码总有 bug，有人帮你看一眼，质量高很多。

2.3 Reflection with External Feedback

Reflection 不一定只靠 LLM 自己检查，还可以接入外部反馈：

  • 代码执行结果（跑一下看报不报错）
  • 单元测试
  • SQL 执行结果
  • 图表视觉检查
  • 字数统计
  • 规则校验

page 05

💡 小白注释：LLM 自己检查就像学生自查作业，容易”灯下黑”。让代码实际跑一下、让测试用例过一遍，就是”对答案”——错了就是错了，没法嘴硬。

2.4 为什么不是直接生成更好？

研究表明，Reflection 在各种任务上 consistently 优于直接生成。

page 10

适用任务包括：情感反转、对话回复、代码优化、代码可读性、数学推理、缩写生成、受约束生成……

💡 小白注释：论文出处《Self-refine: Iterative refinement with self-feedback》(Madaan et al. 2023)。简单说——”写两遍”比”写一遍”好，这不是直觉，是有数据支撑的结论。

2.5 Reflection 适合什么任务

特别适合那些”有明确检查标准“的任务：

任务检查什么
HTML / 代码语法对不对、能不能跑
邮件 / 文案语气、事实、日期、承诺
图表标题、标签、可读性
域名有没有负面含义、好不好念

page 11

💡 小白注释：Reflection 不是万能药。如果任务连”好不好的标准”都没有（比如”写一首感人的诗”），那 Reflection 效果有限。但如果标准明确（”HTML 不能有语法错误”），Reflection 就能派上大用场。

2.6 写好 Reflection Prompt 的关键

不要说：

1

Improve it

要说：

1
2
3

Review the first draft.
Check tone, facts, dates, promises.
Then write the next draft.

关键要素：

  1. 明确指示审查动作
  2. 指定检查标准
  3. 审查完再输出改进版

page 12

💡 小白注释：就像你给下属改稿，说”改好一点”他不知道怎么改；说”检查第三段的数据来源，确认日期没写错，把语气改正式一点”，他就知道怎么做了。AI 也一样，prompt 越具体，Reflection 效果越好。

2.7 案例：图表生成工作流

任务：用 coffee_sales.csv 画一张对比 2024 和 2025 Q1 销量的图。

Agentic 流程：

  1. LLM 写 V1 代码 → 执行 → 出图
  2. LLM 审查图表（可读性、清晰度、完整性）→ 修改代码
  3. 执行 V2 代码 → 出改进后的图

page 15

💡 小白注释：第一版图可能坐标轴没标签、颜色看不清、少了图例。Reflection 就是让 AI 自己看自己的图，发现问题再改。就像设计师做完海报自己先看一遍——”这字太小了，换大点”。

2.8 用不同的 LLM 做 Reflection

代码生成用一个 LLM，代码审查用另一个 LLM（比如更强的推理模型）。

page 16

💡 小白注释：就像写文章让 A 写、让 B 审。B 可能更擅长挑毛病，分工合作效果更好。

M3：Tool Use

3.1 Tool Use 是什么

Tool Use 的核心是：让 LLM 不只是会说，还能请求外部工具去执行。

  • LLM 是”脑”
  • 工具是”手脚”

3.2 最简单的例子：查时间

没有工具时，模型不知道当前时间：

1
2

User: 现在几点？
LLM: 抱歉，我无法获取当前时间。

有工具后：

1
2
3

User: 现在几点？
LLM: → 调用 get_current_time() → 返回 15:20:45
LLM: 现在是下午 3 点 20 分。

page 03

page 04

💡 小白注释：没有工具的 AI 就像个关在房间里的天才——脑子很好使，但不知道外面现在几点、今天天气如何、数据库里有多少客户。给了工具，就相当于给了它一部手机、一把钥匙、一张门禁卡，能出去查信息、办事了。

3.3 更多工具示例

用户问题调用的工具
“Mountain View 附近有什么意大利餐厅？”web_search(query="...")
“500 美元存 10 年，年利率 5%，最后有多少？”interest_calc(...) 或直接 eval(...)
“买了白色太阳镜的客户有哪些？”query_database(table="sales", product="sunglasses", color="white")

page 05

💡 小白注释：AI 看到问题后，自己判断需要用什么工具。就像你问朋友”附近有啥好吃的？”，他自然拿起手机打开点评 App——不用你告诉他”请使用美团搜索”。

3.4 多工具协作

复杂任务需要多个工具串联：

任务：”找一下我周四的空闲时间，然后和 Alice 约个会。”

流程：

  1. LLM 调用 check_calendar → 发现周四 3pm、4pm、6pm 有空
  2. LLM 决定选 3pm
  3. LLM 调用 make_appointment → 预约成功

page 06

💡 小白注释：AI 不是一次把所有工具都调用完，而是根据上一步的结果决定下一步做什么。查到 3pm 有空，才决定约 3pm；如果 3pm 被占了，就会约 4pm。这种”看一步走一步”是 Agentic AI 的核心特征。

3.5 工具本质上就是代码

课件里的结论很直接：工具就是代码。

1
2
3
4
5

from datetime import datetime

def get_current_time():
    """Returns the current time as a string"""
    return datetime.now().strftime("%H:%M:%S")

page 08

💡 小白注释：一个工具就是一个 Python 函数。你给 AI 一堆函数，告诉它每个函数是干嘛的，AI 自己决定什么时候调用哪个。这和你写程序时调用库函数没什么区别——只不过调用者从”你”变成了”AI”。

3.6 工具语法与 aisuite

现代框架（如 aisuite）可以自动把函数描述传给 LLM：

1
2
3
4
5
6
7
8
9

import aisuite as ai

client = ai.Client()
response = client.chat.completions.create(
    model="openai:gpt-4o",
    messages=messages,
    tools=[get_current_time],  # 直接把函数传进去
    max_turns=5
)

框架会自动生成 JSON Schema 告诉模型：

  • 工具叫什么名字
  • 工具做什么
  • 需要什么参数
  • 参数格式是什么

page 12

page 13

💡 小白注释：JSON Schema 就是一份”工具说明书”。模型看到说明书后就知道：哦，有个工具叫 get_current_time，不需要参数，用来查当前时间。用户问时间的时候我应该调用它。

3.7 代码执行：当工具不够用

有些问题不适合做成固定工具，比如：

  • “13.2 加 18.9 等于多少？”
  • “2 的平方根是多少？”

为每个数学运算做一个工具太麻烦了。更好的做法：让 AI 直接写 Python 代码执行。

1
2
3
4

<execute_python>
import math
print(math.sqrt(2))
</execute_python>

page 16

page 17

💡 小白注释：与其给 AI 准备一百个计算器工具（加、减、乘、除、开方、对数……），不如给它一个 Python 解释器。需要什么计算自己写代码，比预制工具灵活一万倍。

3.8 安全问题：沙箱

代码执行很强，但也危险——AI 可能写出删除文件的代码。

必须有：

  • Sandbox（沙箱）隔离运行环境
  • 权限控制
  • 时间限制（防止死循环）
  • 文件访问限制
  • 网络访问限制

page 19

💡 小白注释：沙箱就像给 AI 一个”透明实验室”——它可以在里面做实验、做计算，但没法碰到你电脑里的重要文件。就像化学课上的通风橱，有害气体排出去，不会污染教室。

3.9 MCP：工具接入的标准化

问题：每个应用都要自己对接 Slack、GitHub、Google Drive……m × n 的复杂度。

MCP（Model Context Protocol）的解法：

  • 所有工具统一接到 MCP Server
  • 每个应用只需要对接 MCP Server
  • 复杂度从 m × n 降到 m + n

page 21

page 22

💡 小白注释：没有 MCP 时，3 个应用要分别对接 4 个工具，一共 12 根线。有了 MCP，3 个应用各接 1 个 MCP Server，4 个工具也各接 1 个 MCP Server，一共 7 根线。线少了，维护简单，换工具也不用改应用代码。

M1–M3 串起来看

三节课的完整逻辑：

1
2
3
4
5
6
7

M1：Workflow & Decomposition
     ↓
M2：Reflection & Revision
     ↓
M3：Tool Use & Execution
     ↓
更可控、更强的 Agentic AI
课程解决什么核心 takeaway
M1任务怎么拆、什么时候该分步不要一次性生成，要拆成多步可控流程
M2生成后怎么检查、怎么把质量变好写完后检查一遍再改，比直接写更好
M3怎么让模型真的”做事”给 AI 工具和代码执行能力，它就能查信息、算数据、调 API

💡 小白注释：M1 教你搭骨架，M2 教你打磨质量，M3 教你长出手脚。三节课合起来，你就有了一个能思考、能检查、能动手的 AI 系统的基础框架。

附录：全部幻灯片索引

M1 (39 页)

页码内容
1封面
2目录
3Non-agentic vs Agentic workflow 对比
4Agentic workflow 定义 + 论文例子
5Degrees of Agenticness
6-8自主程度连续谱（低自主 → 高自主）
9Benefits
10HumanEval benchmark 性能对比
11Parallelization 并行化
12Modular 模块化
13Key benefits 总结
14-39更多案例与细节

M2 (27 页)

页码内容
1封面
2目录
3Reflection 人类例子（写邮件 V1→V2）
4Reflection 改进代码
5Reflection with external feedback
6Why not direct generation?
7-9Direct generation vs Zero/One/Few-shot
10Reflection 性能提升数据
11Tasks where reflection works better
12Tips for writing reflection prompts
13-16Chart generation workflow
17Evaluating impact of reflection
18-27更多细节

M3 (24 页)

页码内容
1封面
2目录
3-4Simple tool execution（查时间）
5工具示例（搜索、计算、数据库）
6Multiple tools（查日历 + 预约）
7Creating a tool
8Your code as a tool
9-10Prompting LLM to use tools
11Tool syntax
12-14aisuite + JSON Schema
15Code execution
16-17Calculator / Writing code
18Reflection with external feedback（代码执行）
19Secure code execution / Sandbox
20MCP
21-22Model Context Protocol
23-24End
AI, 学习笔记
Agentic AI Andrew Ng LLM Tool Use Reflection Workflow
本文由作者按照 CC BY 4.0 进行授权