产品经理的 Agent 入门
用九篇文章讲清 Agent 是什么、何时需要、怎样运行，以及产品经理如何设计一个可控、可评估的 Agent 产品。
Agent 已经成为 AI 产品讨论里的常用词，但不同团队说的往往不是同一件事。
有人把它理解成会调用工具的聊天机器人，有人把它理解成自动化工作流，也有人认为配置一个专业角色、接上知识库，就已经有了 Agent。这些说法都碰到了一部分，却不足以支持真实的产品设计。
这组文章写给需要定义、评审或推动 Agent 产品的产品经理。你不需要先学某个框架，也不需要算法背景。我们会从产品问题出发：Agent 到底多做了什么，什么任务值得使用它，它怎样行动、记忆和停止，又怎样从 Demo 走到可上线的产品。
阅读前先有一个基础认识
- 大语言模型（LLM）：负责理解、生成和一定程度的推理。大白话说，它擅长“动脑和表达”，但不会自动保证事实正确。
- 检索增强生成（RAG）：先查外部资料，再让模型根据资料回答。它补充知识，不负责执行动作。
- 工具（Tool）：查询数据、写入文档或调用业务系统的确定性接口。模型可以提出调用请求，真正执行的是程序。
- 工作流（Workflow）：由人预先规定步骤和分支；Agent 则围绕目标，根据当前状态和执行结果决定部分下一步。
理解这四点，就足以开始阅读。文章会在专业术语第一次出现时给出准确含义，再用大白话和产品场景拆开解释。
如果想先系统补齐 Token、上下文、概率生成、RAG、Tool Calling 与 Workflow，可以先阅读产品经理的大模型基础，再回到本系列。
一个贯穿全系列的案例
我们会持续使用同一个例子：
用户上传一份会议纪要，希望系统把它推进成一份可交给研发评审的 PRD。
这个任务表面上像文档生成，实际包含材料识别、需求澄清、事实与假设区分、流程判断、文档更新、质量评审和人工确认。它能帮助我们把抽象概念放回具体产品。
学习路径
- Agent 的基本概念：从一次模型回答走向一项可以持续推进的任务。
- Agent 的适用场景：区分单次模型调用、Workflow、Copilot 和 Agent。
- Agent 的运行过程：理解 Runtime、执行循环和停止条件。
- 上下文、会话与记忆：拆开 Context、Session、Memory 和业务事实。
- Agent、Skill、Tool 与 MCP：分清决策、方法、动作和连接。
- Agent 的自主性：理解单 Agent、多 Agent 和 Workflow 的选择。
- Agent 产品的状态管理：设计业务状态、Proposal、审批和审计。
- Agent 的评估与产品化：建立评估方法与上线门槛。
- 案例：从会议纪要到可评审 PRD：把前面的概念组合成一张产品蓝图。
先看懂 Agent 的基本循环
用户目标
↓
模型根据当前信息判断下一步
↓
程序检查权限和参数，并调用工具
↓
工具返回结果，系统更新任务状态
↓
完成 / 继续 / 追问 / 请求人工确认 / 停止这个反复发生的过程叫 Agent Loop（Agent 循环）。让它可靠运行的系统通常还需要 Context、Tools、Workflow、State、Memory、Permissions 和 Evaluation。后面的文章会逐一解释这些术语。
读完以后，你应该能回答
- 这个需求为什么需要 Agent，而不是一次模型调用或固定 Workflow？
- Agent 每一步能看到什么、能调用什么、由谁授权？
- 对话、任务状态、长期记忆和业务事实分别存在哪里？
- 什么步骤可以自主完成，什么动作必须让用户确认？
- 怎样判断任务真正完成，而不是只生成了一段看起来不错的文字？
- 出错后怎样定位、停止、恢复和评估？
这组文章不会把某个框架当成标准答案，也不会用 Agent 数量衡量系统先进程度。产品经理真正需要掌握的，是把一句“我们也做个 Agent”，转成可讨论、可验证、可交付的产品设计。