Appearance
第 01 课 · 教材阅读器要不要上 Agent？
先回答 5 个问题，再写一行 Agent 代码。 很多阅读器 AI 的问题，不是「Agent 不够强」，而是 连 RAG 都没做对。
本课要解决的问题
产品同事或领导常说：
「竞品都有 AI 助手了，我们阅读器也上一个 Agent 吧。」
本课帮你 10 分钟内拍板：
- 你的场景是否真的需要 Agent
- 若不需要，最低成本的正确方案是什么
- 若需要，先满足哪几条前置条件
先澄清：阅读器里的「AI」通常有三种
| 类型 | 做什么 | 典型技术 | 是不是 Agent |
|---|---|---|---|
| 问答 | 根据教材内容回答问题 | Prompt + 章节上下文 / RAG | ❌ 通常不是 |
| 伴读 | 解释划线、生成追问 | Prompt + 当前段落 | ❌ 通常不是 |
| 办事 | 查进度、出题、改笔记、调后台 | 工具 + 循环 | ✅ 才是 Agent 范畴 |
结论： 大多数教材阅读器的 V1 需求是 问答，不是 Agent。叫「AI 助手」不等于技术上要做 ReAct 循环。
五个问题（按顺序答）
问题 1：用户要完成的事，步骤能预先写死吗？
怎么问自己： 打开代码，我能不能用 if/else 或固定 pipeline 描述全流程？
| 能写死 | 不能写死 |
|---|---|
| 用户提问 → 检索章节 → 拼 prompt → 调 LLM → 返回答案 | 「帮我把这门课学完并制定计划，中间可能要查表、改目标」 |
| 用户划线 → 取段落 → 解释 + 生成 3 个追问 | 「根据我最近表现自动调整学习路径并通知老师」 |
决策：
步骤固定 → Workflow（提示链 / 路由 + RAG）
步骤不固定、且必须调多种外部能力 → 再考虑 Agent教材阅读器 V1 几乎都是第一种。 先别上 Agent。
问题 2：知识从哪来？整节塞给模型，还是检索后再给？
常见翻车： 按章节 ID 把两节正文拼进 prompt（动辄 4～5 千字），末尾还被截断。
| 做法 | 问题 |
|---|---|
| 章节直灌 | token 浪费、易截断、无关内容多、难给出处 |
| 知识库 / 向量检索 | 只塞相关 chunk，可标章节来源，成本可控 |
决策：
有结构化章节库 → 优先 RAG（或关键词 + 语义 hybrid）
只有当前页一小段 → 可以直接塞当前段落，不必 RAG这和 Agent 无关。 直灌章节却叫「智能 Agent」，多半是 架构偷懒，不是 Agent 能力问题。
问题 3：需不需要「动手」——调 API、算数、写库、改状态？
Agent 的核心特征： 不只生成文字，还要 循环调用工具 直到任务完成。
| 只需要 | 可能还需要工具 |
|---|---|
| 解释段落、答课后题、推荐追问 | 查学员进度、写入错题本、调用组卷 API、发通知 |
| 基于教材文本推理 | 查实时数据（库存、课表、成绩） |
决策：
只生成文本 → LLM + RAG 足够，不需要 Agent 循环
要调 1～2 个固定 API → Function Calling 一次即可，仍不必完整 Agent
要多步探索、工具组合不确定 → 才上 ReAct / Agent问题 4：错了谁负责？能不能人在环、给出处、可撤销？
Agent 能执行工具 → 错误会累积（一步错，后面全偏）。
教材场景通常要求：
- 回答 依据哪一节、哪一段
- 不确定时 拒答或提示问老师
- 高风险操作（改成绩、删记录）必须人工确认
| 能力 | Workflow + RAG | 自主 Agent |
|---|---|---|
| 给出处 | ✅ 易做 | ⚠️ 需额外约束 |
| 固定拒答策略 | ✅ 易做 | ⚠️ 模型可能自作主张调工具 |
| 人工审批 | ✅ 在固定节点插入 | ✅ 必须做，且更复杂 |
决策： 面向 K12 / 出版 / 内训教材，默认人在环。不要为了「自主」牺牲可控性。
问题 5：预算和延迟扛不扛得住？
粗算一笔账（示意）：
| 方案 | 典型调用 | 相对成本 | 延迟 |
|---|---|---|---|
| 单次 RAG 问答 | 1 次检索 + 1 次 LLM | 低 | 1～3 秒 |
| 带 thinking 的长上下文 | 1 次大 prompt | 中～高 | 3～15 秒 |
| Agent 循环（3～5 轮） | 多轮 LLM + 多次工具 | 高 | 不可控 |
决策：
阅读器里高频、低单价的功能 → 别默认 Agent
只有低频、高价值任务 → 才值得 Agent 成本一张决策表（读完 5 题用这个）
| 你的回答 | 建议方案 |
|---|---|
| 步骤固定 + 只问答 + 知识在书里 | 路由 + RAG + 单次 LLM（V1 标配） |
| 步骤固定 + 多步生成（出题→验答案→解析） | 提示链 Workflow |
| 要先分「概念题 / 实操题 / 闲聊」 | 路由 + 不同 Workflow |
| 偶尔查一次后台（如进度） | RAG + 单次 Function Calling |
| 多工具、多步骤、路径不确定 | Agent + 沙箱 + 审批（V2+ 再考虑） |
架构对比：两种「阅读器 AI」（示意）
❌ 常见翻车架构
浏览器
├─ 带 API Key 调 LLM（或经前端代理）
├─ 按 sectionId 拉两节全文
└─ 拼进 prompt → stream 返回答案问题： Key 暴露风险、无真正检索、token 浪费、难 Eval、名不副实叫 Agent。
✅ V1 推荐架构
浏览器（阅读器 UI）
↓
后端 BFF（Key 只在这里）
├─ 检索：知识库 / 向量库 / 章节索引
├─ 拼装：system + 检索 chunks + 用户问
└─ 调 LLM（流式）→ 返回答案 + 引用章节仍然是 Workflow，不是 Agent —— 但对用户已经够用，且可测、可管、可升级。
✅ 何时才加到 Agent 层
在 V1 稳定后，确有 多步办事需求时，再加：
Workflow 主干（分类、RAG、格式约束）
+
Agent 分支（仅「开放任务」入口，如学习规划助手）
+
工具审批 + 审计日志本课结论（可以直接发给产品）
- 教材阅读器 V1 不需要 Agent，需要 RAG + 可控 Workflow。
- 章节直灌 ≠ 智能，是成本与质量双输。
- API Key 不能在前端；后端代理是底线。
- Agent 是工具循环，不是 marketing 词汇；上之前先过本课 5 问。
- 演进顺序： 提示链 / RAG → 路由 → Function Calling → 最后才自主 Agent。
课后自检（3 分钟）
- [ ] 我能用一句话描述用户任务，且不包含「自动」「智能处理一切」
- [ ] 我说清知识来源是「检索」还是「直灌」
- [ ] 我列出的外部调用 ≤ 2 个，或已说明为何需要多轮
- [ ] 我设计了「无依据则拒答」或给出处
- [ ] 我估过单次问答 token 上限
5 个都勾选 → 可以写技术方案了。
有 2 个以上答「直灌 / 前端 Key / 必须 Agent」 → 先回到本课改架构。
下一课预告
第 02 课 · Workflow 与 Agent 怎么选 —— 六种设计模式在网校场景的对照表，以及「渐进演进」路线图。
延伸阅读
© 曹宇春