9.1.4 Agent 能力分级

学习目标

完成本节后，你将能够：

• 用分层思路描述不同 Agent 的能力边界
• 区分“会回答”、“会调用工具”、“会多步完成任务”之间的差异
• 根据任务复杂度选择更合适的系统形态
• 用一个小例子练习任务所需能力等级判断

---

为什么要给 Agent 分级？

因为“Agent”这个词太容易被说大

有些系统只是：

• 会调用一个工具

有些系统则可以：

• 多步规划
• 记住状态
• 协同多个工具

如果都叫 Agent，就会混淆很多概念。

分级的意义在于更诚实地描述系统能力

它能帮助你回答：

• 这个系统到底能做什么？
• 它是稳定工作流，还是灵活智能体？
• 它的问题更可能出在哪一层？

---

一个实用的能力分级框架

L0：纯回答型

特点：

• 能根据输入生成回答
• 基本不主动调用工具
• 更像聊天模型

例子：

• 普通问答机器人
• 纯 Prompt 生成器

L1：单工具执行型

特点：

• 能根据问题选择一个工具
• 一次调用后直接回答

例子：

• 查天气助手
• 计算器助手
• 单次检索问答

---

再往上一层

L2：多步工具协同型

特点：

• 会做两步以上动作
• 能根据中间结果决定下一步

例子：

• 先查订单，再查退款政策，再给结论
• 先搜资料，再总结成报告

L3：目标驱动型

特点：

• 接收一个较高层目标
• 自己组织一段执行流程
• 可能带状态管理和失败重试

例子：

• 自动研究助理
• 自动数据分析助手
• 自动代码修复流程

---

更高层能力通常意味着更高风险

L4：长时运行 / 多 Agent / 强自治

特点：

• 能运行较长任务链
• 可能调多个工具、多个子 Agent
• 有记忆、计划、回顾机制

这类系统听起来最酷，但也最难工程化。

能力越高，不代表越适合你的任务

因为能力提升往往伴随：

• 成本更高
• 调试更难
• 出错路径更多

所以正确思路通常不是“越高越好”，而是：

用刚刚够用的那一级。

---

一张能力分级速查表

等级	核心能力	典型系统
L0	纯回答	聊天问答
L1	单工具调用	天气 / 计算 / 单次检索
L2	多步执行	先查再算、先搜再写
L3	目标驱动	研究助理、数据分析助手
L4	长时自治 / 多 Agent	复杂自动化团队系统

---

一个小练习：给任务分等级

可运行示例

tasks = [
    "回答：什么是 RAG？",
    "查一下北京天气",
    "先查退款政策，再判断我是否满足条件",
    "根据销售数据自动生成周报并发邮件"
]

def recommend_level(task):
    if "先查" in task and "再" in task:
        return "L2"
    if "自动生成周报" in task or "发邮件" in task:
        return "L3"
    if "查一下" in task:
        return "L1"
    return "L0"

for task in tasks:
    print(task, "-> 推荐能力等级:", recommend_level(task))

预期输出：

回答：什么是 RAG？ -> 推荐能力等级: L0
查一下北京天气 -> 推荐能力等级: L1
先查退款政策，再判断我是否满足条件 -> 推荐能力等级: L2
根据销售数据自动生成周报并发邮件 -> 推荐能力等级: L3

这当然是简化版，但它能帮你建立一个非常实用的习惯：

先判断任务需要哪个能力等级，再决定系统怎么做。

---

怎么从低一级往上升级？

从 L0 到 L1

关键是加上：

• 工具接口
• 参数生成
• 工具结果回填

从 L1 到 L2

关键是加上：

• 中间状态
• 多步执行
• 动作间依赖

从 L2 到 L3

关键是加上：

• 任务拆解
• 子目标管理
• 错误恢复

越往上，越像在做“小型操作系统”。

---

工程上怎么避免“能力吹过头”？

先给系统设边界

例如：

• 最多执行几步
• 最多调用几个工具
• 哪些任务必须人工确认

先用最小能力上线

很多系统一开始其实只需要：

• L1 或 L2

如果一上来就做 L4，往往会陷入：

• 太复杂
• 太贵
• 太不稳

---

初学者常见误区

以为有工具调用就是高级 Agent

会调一个工具，通常最多只是 L1。

以为越多步骤越智能

步骤变多，有时只是错误路径变多。

不区分任务等级就乱堆架构

这是很多 Agent 项目难落地的原因之一。

---

留下的证据

学完这一页，至少保留这张证据卡：

智能体边界

这与聊天机器人或固定工作流有何不同

目标状态动作

目标、当前状态、下一步动作、观察

架构组成

规划器、工具、记忆、护栏、评估器

失败检查

过度自主、目标模糊、状态缺失或没有 trace

下一步动作

构建最小可追踪的单智能体循环

小结

这一节最重要的认识是：

Agent 的能力不是一个开关，而是一条连续的等级带。

学会分级，你就更容易做出稳妥的架构判断，也更不容易被“全自动智能体”这种说法带偏。

---

练习

1. 自己列出 5 个任务，给它们分别判断更适合 L0、L1、L2 还是 L3。
2. 想一想：你的某个真实项目，为什么不一定需要上到 L3 / L4？
3. 如果一个系统经常调用错工具，它更像是哪个能力层级出了问题？

项目交付参考与讲解

1. 示例：FAQ 匹配更像 L0；天气查询更像 L1；带政策检索的退款资格判断更像 L2；自动生成周报并发送邮件更像 L3；长期自主运维要根据风险和监督强度判断是 L3 还是 L4。
2. 很多项目不需要 L3 / L4，因为自主性越高，成本、风险、评测难度和恢复复杂度都会增加。一个更简单的 L1 / L2 系统反而可能更可靠。
3. 经常调用错工具通常指向 tool use / routing 层：任务分类、工具描述、schema 约束或 observation 解析可能有问题。