章节主旨
拆解一个 agent 每次收发消息都会走的五步循环——规划(planning)、工具(tools)、记忆(memory)、反思(reflection)、编排(orchestration),作者用 PTMRO 五字缩写串起来。这五要素是全课的骨架,后续所有工作流搭建都在填充这五格。
核心论点
- Agent 每轮都跑同一个 PTMRO 五步循环——规划→工具→记忆→反思,由编排层在外圈把结果搬来搬去、无限迭代。(→ 详解1)
- 规划是最该人为介入的一环——起点偏 1% 下游会被指数放大,人在规划阶段发力能大幅收窄误差带。(→ 详解2)
- 工具是 LLM 伸向真实世界的「手」,把「脑子」从聊天框里解放出来去调 API、执行代码、查库、浏览网页。(→ 详解3)
- 把工具标准化成具体函数,是可审计、跨模型复用的关键;而且模型自己就能写工具,不必等别人造。(→ 详解4)
- 记忆分短/中/长三层,context 上限靠周期性摘要压缩来扛。(→ 详解5)
- 反思(自评自纠)才是 agent 真正的智能所在,没有它就退化成一断就崩的死脚本。(→ 详解6)
知识点详解
1. PTMRO:agent 的五步循环 0:30:05
作者把 Agentic 工作流中一个 agent 的运作拆成五步,用缩写 PTMRO 记忆:planning(规划)、tools(工具)、memory(记忆)、reflection(反思)、orchestration(编排)。他强调这不是可选流程,而是每发一条、每收一条消息都会走一遍的固定循环。
这五步大多藏在推理(reasoning)里,平时看不见,但一直在发生。理解它的意义在于:后面所有具体搭建——DOE 框架、Claude Skills、MCP——本质都是在给这五格填内容。把 PTMRO 五要素当骨架,后续章节就有了归位坐标。
2. 规划:目标分解与误差放大 0:30:26
Agent 规划(目标分解)是把一个高层目标拆成可执行子任务的过程。作者用「去 White Castle 吃饭」举例:光说目标不够,得拆成上车、查 GPS、开过去、下单等步骤。agent 会识别步骤间依赖关系、按逻辑排序,并在情况变化时修订计划。
关键洞见是误差放大:好比一艘船从美国东海岸开往非洲西海岸,起点方向哪怕只偏 1%,下游也会被放大到偏离目标几百上千公里。所以规划的本质就是收窄误差带,让抵达目标的概率变高。
正因如此,作者主张规划这一步值得人亲自发力——Claude / GPT / Gemini 的规划能力都还不完美。0:33:19 他说这是「最该投入人类智力」的地方,并预告后面会用 DOE 框架把公司 SOP 灌给模型来引导规划(没有 SOP 也会教怎么快速造)。
3. 工具:LLM 伸向世界的「手」 0:35:31
Agent 工具(Tool Use)是让 LLM 具备真实世界行动力的动作集合。作者的比喻:LLM 是泡在缸里的大脑,工具是接上的手和神经——没有工具,再聪明也只能困在聊天框里。在数字场景里,工具主要是调 API、执行代码、读写数据库、浏览网页。
他补充两点。其一,工具会迭代进化:第一版像盖了间带草顶的房子,agent 之后能回头给它加窗、加门、加安防,越造越好。其二,当前工具质量方差很大,好坏差距悬殊,部分是因为 MCP刚出、一堆人抢短期红利造了不少劣质工具;后续会教怎么甄别高质量工具、以及自建更好的。
4. 工具标准化 + 让模型自己造工具 0:36:39
工具标准化是本章一个核心洞见:把模糊意图固化成具体函数后,任何模型(Claude / ChatGPT / Gemini)都能用,而且保证输入输出一致——这对做生意至关重要。
为什么必须这样?因为 LLM 是概率系统,决策过程对我们不透明(作者引「AI 模型是长出来的,不是造出来的」)。而业务需要可解释、可审计。与其让一个不知怎么决策的「概率大脑」乱走,不如给它简单工具:即使中间有偏差,我们至少知道它调了哪个工具、走了 1-2-3-4 哪几步,可解释性大大提高。
结论是让模型自己写工具——所有模型都为编程做了高度优化。0:37:08 作者现场演示:在 Claude 里用 plan mode 提一个「自动剪掉视频静音再拼接」的需求,模型先出计划、他当「高层导演」点头,约 30 秒建好工具,再喂测试片、根据报错反复迭代(如换用 voice activity detection 检测切点),几轮就跑通。他把自己定位成「维京船头掌舵的人」,agent 是划桨的;人一旦完全退出循环,产出的工作流现阶段大概率会烂。
5. 记忆:短/中/长三层与 context 压缩 0:43:18
Agent 记忆分三层。短期(工作记忆)= 当前任务相关的推理 token,临时存储,就是你在「思考窗」里看到的那些内容,用完即弃。中期= 你和 agent 的来回消息链,不会像推理 token 那样被删,每次 API 调用都随请求发送。长期= 跨会话持久化的东西,比如 agents.md、Gmail 账号 json、token 等文件与系统提示。
当前 agentic 系统的一大失效模式就是 context(上下文)超限。应对办法是周期性摘要压缩:把完整历史压成高密度要点,比如 500 词压到 50-100 词而不丢核心细节。0:46:04 作者补充,推理不存进主循环(生成即弃),中间结果则外置到数据库 / 文件 / 向量库,按需只加载当前步骤要用的部分——显式做就是 RAG(检索增强生成),不显式做模型自己也干得不错。
6. 反思与编排:自纠 + 外圈协调层 0:46:28
Agent 反思(自评自纠)是 agent 检查自身输出、发现错误、判断刚才那步到底成没成的能力。它能识别方法失败、知道何时换路、自我纠正。作者认为这才是模型真正智能所在:没有反思循环,agent 就退化成 n8n / Make / Zapier 那种一遇卡点就崩的死脚本。反思也是后面要讲的 Self-annealing 自退火(工作流边跑边自愈)的基础。
0:47:03 Agent 编排(Orchestration)是协调层,它在循环之外(或之上),负责把信息在各步之间搬运:看规划结果→喂给对的工具→写进记忆→读反思结果→据此改下一轮规划,如此无限循环。作者比作大脑整合眼耳鼻舌与记忆后做决策。
编排有不同流派。0:48:00 Crew AI用角色化团队结构(经理→市场/工程→实习生),像一个人类组织;作者觉得那是「用人类视角看问题」,未必最优。他自己用 DOE 框架 + Claude Skills:给 AI 高层指令 + 工具,让它当 orchestrator 自行匹配、存记忆、跑 PTMRO 循环;Claude Skills 则把高层指令、具体工具、附加资源统一装进一个文件夹供模型访问。0:49:26 他坦言没有哪个框架现在是完美的,未来最优大概是各家取长补短的组合;当下不追极致,只要能用——他用 DOE 是因为够用(约 97% 准确率),更好的框架等它真出现再说。
关联
- 印证:Greg·Skill 工作原理 的”递归式构建 skill”(失败→喂回→自修→更新 skill.md)与本章 Self-annealing 自退火 同一机制,落点从工作流指令换成 skill 文件。
- 互补:Andrew 的 Agentic AI 课程 30 分钟精讲 与本章独立得出同一结论——tool use/reflection/planning 是 agent 质量核心杠杆,但覆盖面互补:本章多出 memory、orchestration 两层对方未提;对方多出 evaluations 维度与”自主度光谱”框架,本章没有对应说法。
术语
- PTMRO:planning / tools / memory / reflection / orchestration 五字缩写,agent 每轮循环的五步。
- goal decomposition(目标分解):把高层目标拆成有依赖顺序的可执行子任务。
- error bars(误差带):规划起点的微小偏差经下游放大成的结果分布,好规划即收窄它。
- tool standardization(工具标准化):把模糊意图固化为输入输出一致、可审计、跨模型复用的具体函数。
- context(上下文):模型某时刻存储的全部 token;超限是当前主要失效模式。
- self-annealing(自退火):工作流边运行边遇错自愈的能力,依赖反思循环。
- plan mode / bypass permissions:Claude 里先出计划待人确认 / 放开权限让 agent 自主执行的两种模式。
自检问题
- PTMRO 五要素分别是什么?编排(orchestration)与其余四步的关系是怎样的? 答案:planning 规划、tools 工具、memory 记忆、reflection 反思、orchestration 编排。前四步在循环内;编排是循环外(或之上)的协调层,负责在四步之间搬运信息——看规划→喂工具→写记忆→读反思→改下一轮规划,无限迭代。见详解1、6。0:47:03
- 为什么作者主张「规划这一步值得人亲自发力」? 答案:因为规划误差会被下游指数放大(东海岸开船去非洲、偏 1% 就差出上千公里),而现有模型规划能力仍不完美;人在规划阶段收窄误差带,能显著提高任务成功概率。见详解2。0:33:19
- 为什么要把工具「标准化成具体函数」并让模型自己造? 答案:LLM 是概率系统、决策不透明,而业务需要可解释可审计。标准化成具体函数后,输入输出一致、任何模型都能调,即便中间有偏差也能追溯它调了哪个工具走了哪几步;模型本身为编程高度优化,故让它自建工具最省事。见详解4。0:36:39
- Agent 记忆的三层分别对应什么?context 超限怎么应对? 答案:短期=当前任务的推理 token(临时、用完即弃);中期=你与 agent 的消息链(每次 API 调用都发送);长期=跨会话持久化的文件与系统提示(如 agents.md)。context 超限靠周期性摘要压缩(把长历史压成高密度要点)+ 中间结果外置数据库/文件/向量库按需加载(即 RAG)。见详解5。0:43:18