AI 为什么会？⑮ AI 为什么开始自己安排工作了？

上一篇，我们调查了 MCP，最后，我们发现，统一协议可以降低 AI 应用连接外部服务的成本。于是，一个新的问题出现了：如果 AI 已经能够连接工具，为什么它还能自己决定先做什么、后做什么，以及什么时候结束？它又是什么时候开始像一个真正的项目经理？

调查现场

今天，我们做一个很简单的实验，打开 Claude Code、Cursor，或者任何一个 Agent。不要让它写一行代码，只给它一句话。

帮我修复这个项目里的登录 Bug。

然后，不要看结果，只看它做了什么，很多人第一次都会发现，AI 并没有立刻开始改代码，它会先看看项目结构，再搜索相关文件，然后阅读代码，分析问题，修改代码，运行测试，如果测试失败，它还会继续修改，整个过程，像极了一个真正的工程师。

为什么？你明明只说了一句话，谁告诉它要先搜索？谁告诉它要先测试？

一、后来，我发现我们又想复杂了

刚开始，我一直觉得，AI 一定学会了什么高级规划算法。后来，我越来越觉得，事情其实没有那么神秘，我们先不要想 AI，想想自己。如果老板突然说：

帮我做一个年度总结。

你会怎么办？大概率不会马上打开 Word。你会先想：需要哪些材料？去年有哪些数据？哪些部门需要沟通？哪些图表要更新？请注意，你并没有学习一门叫"规划"的课程。你只是把一个大问题自然拆成了很多小问题。

二、真正神奇的不是规划

后来，我越来越觉得，“规划”这个词会让人想到一张画得密密麻麻的蓝图：第一步到第一百步全部写好，然后严格执行。

可真正工作时，第二步得到的结果，常常会把第三步彻底改变。很多 Agent 会先做一个粗略拆解，再在执行中不断回答一个问题：

为了完成目标，我现在最应该做什么？

下一步是什么？

三、突然，一切都连起来了

写到这里，我一度觉得，答案太漂亮了：模型以前预测下一句话，现在只不过改成预测下一步行动。

可再想一下，这两件事不能直接画等号。Token 预测是模型生成内容的底层机制；规划则是整个系统怎样拆任务、做决定。它们真正连接的地方是：模型可以通过生成文字或结构化指令，把计划和下一步行动表达出来。

四、真正负责规划的是谁？

很多人觉得，Agent 有一个专门的"规划模块"。现实世界里，有些 Agent 确实会增加规划器，但是对于很多现代 Agent 来说，规划并不是一个单独的能力，而是在每完成一步之后重新问自己：

根据现在掌握的信息，下一步最合理是什么？

模型仍然在生成 Token，只是这些 Token 有时组成解释，有时组成计划，有时代表一次工具调用。外围系统再把行动请求真正变成现实。

五、终于，我们可以介绍一个名字了

到这里，我们终于看见了 Agent 的工作节奏：

看看发生了什么。

判断下一步做什么。

动手以后，再检查结果。

然后继续、停止，或者把决定交还给人。

AI 领域常把这种工作方式叫作：

Agent Loop。

Planning 通常指其中的规划过程，与 Agent Loop 有关，但不是同一个词。这些名字以后你都会遇到，不过，我觉得，它们都没有一句话容易理解：

Agent 不一定先想好全部计划，再开始工作。

它是在工作过程中，不断决定下一步，并检查上一步是否有效。

有的系统先规划，有的边做边想，更多系统把两种方式混在一起。真正重要的是，计划不是圣旨。结果不对，就要改；目标达到，就该停；无法完成或者风险太高，就应该把控制权交还给用户。

六、这一刻，我突然理解了 Agent

以前，我一直觉得，Agent 是一种新的 AI。现在，我越来越觉得，Agent 更像一种新的工作模式：看到目标，做一步，检查结果，再决定继续、纠正还是停止。真正变化的，不只是模型，而是 AI 开始进入了一个有反馈、有边界的持续工作循环。

调查笔记 No.15

今天，我们推翻了第十五个认知。

❌ Agent 必须先把整个任务规划完，之后只能照着执行。

✅ Agent 可以先做计划，也可以边做边计划；关键是根据执行结果持续调整、验证并在合适的时候停止。

真正重要的不是完整计划，而是：

持续决策。

当前掌握的线索

AI 根据 Context 思考。
AI 可以调用 Tool。
MCP 为 AI 应用连接外部数据和工具提供了一套标准协议。
Agent 不断观察、判断、行动和验证，再决定继续、停止或交还用户。
规划很多时候不是一次完成，而是在执行过程中持续形成。

下一步调查

如果 Agent 已经能够不断规划、执行和验证，那么，它为什么还能和另一个 Agent 协作？为什么一个任务，可以拆给多个 AI 一起完成？AI 世界，为什么开始出现"团队"？下一篇，我们继续调查。

《AI 为什么会？⑯ 为什么一个 AI 不够？》