第9章　让AI连续完成几件事

样章 v0.1　｜　2026年9月21日

再大一点，让我看清楚

上一章的网页已经可以展开补丁细节。按下按钮，蓝布与针脚的说明出现；再按一下，它们又收回去。我们把一段介绍变成了能够操作的小作品。

设想一位读者看着页面说：“文字能不能再大一点？”你意识到，自己看着合适的字号，未必适合每一位读者。于是，一个新的想法出现了：在页面上留一个“放大文字”的按钮，需要时放大，读完也能恢复。

这个想法听起来只比原来多一个按钮。真正做起来，却需要先读懂已有文件，找到正文与样式，增加操作，再打开网页试用。文字变大后会不会挤出页面？原来“看看补丁”的按钮还能不能用？这些问题要到实际运行时才能看得更清楚。

第8章中，你可能亲自完成了保存、打开与检查。现在，我们尝试把其中一些连续的工作交给配有工具的AI。你说明想改善什么，它读取文件、实施修改，再根据运行结果决定是否需要调整。

在这个过程中，值得观察的不只是最后多了什么功能，还有每一次行动与下一步之间的联系：它得到了什么新信息？为什么接着做这件事？哪些地方需要停下来，听听你的意见？

本章仍然围绕这一页作品展开，不要求另外开发一个智能体平台。你可以使用上一章自己的网页，也可以采用配套的笔袋页面。先完成一次小而清楚的委托，再考虑怎样把这种协作方式用到新的事情上。

学完本章，你将能够： 说明一项任务中步骤的先后关系；分清人、模型和工具各自完成了什么；根据实际返回的结果解释下一步选择；初步理解工作流与智能体的区别；确定可以交给AI继续处理的范围，以及需要自己判断的地方。

9.1　把事情的先后关系安排清楚

9.1.1　一项任务中的固定步骤

先把“文字大一点”说成可以看见的变化。

笔袋页面打开时，继续保持原来的正文和补丁按钮。新增按钮写着“放大文字”。按一下，主要介绍、补丁细节的正文和两个按钮上的字一起变大；新按钮改为“恢复字号”。再按一下，恢复原来的大小。

标题和文字内容不改。放大时，原来的补丁细节仍然可以展开、收起。缩窄窗口后，正文能够自然换行，读者不必左右拖动才能读完一句话。让文字变大时仍然保留内容和操作，是有意义的阅读要求。[1]

本例选用正文从18像素变为24像素。这里的“像素”用于网页排版，与第4章照片中记录颜色的像素用途不同。现在只需知道：在其他条件相同时，较大的字号通常会显示得更大。

浏览器也提供缩放功能。本章的按钮给作品增加一种直接的阅读选择，但不应妨碍浏览器原有的缩放。[1]

开始前，先打开原网页操作一次。 读一遍主要介绍，展开并收起细节，确认自己准备保留什么。若采用第8章的另一版本，细节开始时已经展开，就把这一点写进要求；后面的修改不必把它改回收起。

接下来，想一想怎样把新功能做出来。可以先安排这样的顺序：

读取当前网页 → 增加字号切换 → 保存新文件 → 打开试用 → 对照要求检查。

这几个步骤有先后联系。没有读过正在使用的文件，就容易按旧印象修改；尚未保存新内容，打开的可能还是原来的页面；只看代码，不能代替实际按下按钮。

前一步产生的结果，也会成为后一步需要的材料。读取后得到页面内容，修改后得到新的程序，保存后得到可以打开的文件，试用后得到具体的观察。把这些材料传到下一步，事情才能接着进行。

把一项任务中的步骤及其衔接安排起来，可以称为工作流（workflow）。工作流可以由人按步骤完成，也可以把一些环节交给程序自动执行。在AI应用中，常见做法是预先安排主要路径，让模型和工具分别参与其中。[2]

例如，一个程序可以固定安排“读取文件—请模型修改—保存—打开检查”。每次接到同类任务，就沿这条路径执行。我们不需要为每一步重新发出指令，也能够看到任务逐渐完成。

固定步骤也可以包含判断。例如，程序预先写好“文件存在就读取，不存在就提示选择文件”。这仍然是提前安排的路径。能在两种情况之间切换，本身还不能说明下一步是由模型临时决定的。

我们已经在第8章见过这样的判断：细节隐藏时就展开，已经展开时就收起。输入不同、当前情况不同，程序可以得到不同结果；决定怎么处理的规则早已写在代码里。

给自己的小任务安排一条路线。 用几句普通话写出先做什么、后做什么，指出至少一处“后一步要用前一步结果”的地方。写到能帮助开始工作即可，不必把所有可能情况都画成复杂图表。

9.1.2　人、模型与普通程序怎样分工

有了路线，再看看每一步由谁完成。

你了解作品为什么保留那些针脚，也知道想改善的是阅读。模型可以根据要求阅读代码、提出修改并生成新的程序。文件工具负责读取和保存；浏览器负责显示页面、执行按钮里的代码。若环境配有浏览器操作工具，AI还可以借助它打开页面、点击按钮并取得结果。[3]

这几种作用需要配合。模型提出“读取patch.html”，执行程序才会调用相应工具；文件内容返回以后，模型才能据此继续处理。页面上的字号变化，则由浏览器执行实际代码产生。

不必给每一步都安排一个新的AI角色。对这个小任务，一个能够使用必要工具的AI就可以参与多个环节，普通程序完成适合直接执行的操作。怎样分工，取决于任务需要与环境实际提供的能力。

现在开始这次委托。 在能够读写文件、预览并操作网页的AI编程环境中，放入第8章的patch.html。保留原文件，把新作品另存为patch-large.html。本章配套材料也提供了原始页面，可以直接作为起点。

可以这样说明要求：

请读取当前的patch.html，在保留原文件的前提下，制作patch-large.html。

增加一个“放大文字”按钮。按下后，主要介绍、补丁细节正文和两个按钮的字号从18像素变为24像素，按钮文字改为“恢复字号”；再按一下恢复。标题、介绍内容和原来的细节展开方式保持不变。

保存后，请实际打开新文件，依次试用放大、展开细节、恢复字号和收起细节，并在较窄的窗口中检查正文与按钮。我先用390像素宽的预览查看。遇到与要求不符的地方，依据实际结果继续调整，不增加其他功能。

完成后告诉我改了哪里、实际检查了什么。修改本次新文件可以继续进行；改写作品内容、覆盖原文件或对外发布，先与我商量。

这段话同时交代了要做什么、保留什么，以及怎样判断已经完成。它给AI留出了处理代码的空间，也让你能够追踪结果是否仍然符合最初的想法。

工具没有提供某项能力时，可以由你补上相应操作。例如，只有文字对话时，你可以自己保存、打开并把观察告诉AI；有文件工具却没有浏览器操作工具时，可以请AI修改后由你试用。此时，要按实际分工描述过程，不把人的点击写成AI已经操作过。

先观察一次读取，再观察一次修改。 看看AI是否取得了当前文件，是否保留了标题与原有按钮，新的文件叫什么。不要只盯着页面中不断增加的文字，也要找出实际发生的操作。

模型也可以先给出简短的工作安排。这样的安排方便交流，但列出计划与执行计划是两件事。下一节，我们沿着实际操作返回的结果继续看。

9.2　根据结果选择下一步

9.2.1　工具执行以后返回了什么

AI请求工具做一件事以后，工具需要把执行结果送回来。这些结果可以是文件内容、写入位置、计算得到的数值、页面截图，也可以是未能完成操作的说明。不同工具返回的形式不同。[3]

模型接着处理时，依据的是这些已经取得的信息，以及原来的任务要求。若只是继续沿用自己刚才的猜测，就可能错过页面实际发生的变化。

下面是一段示例。我们用普通文字列出几次操作和结果：

已执行的操作	返回的主要内容	这些内容怎样帮助继续工作
读取patch.html	标题、主要介绍、细节区域和原有按钮代码	找到可以保留的部分及需要增加功能的位置
写入patch-large.html	写入成功，给出文件位置	可以重新读取并打开这份新文件
打开新页面，按下“放大文字”	主要介绍字号变为24像素，按钮显示“恢复字号”	可以继续检查细节是否也变大，以及原功能是否保留
展开细节，再恢复字号	细节仍然可见，正文恢复为18像素	可以检查两个功能是否互相干扰

表中的每个结果只回答相应的问题。写入成功说明工具报告完成了写入；它还没有说明页面一定符合阅读要求。字号达到24像素，说明选中的文字确实变大；它还没有说明读者一定觉得合适。

因此，检查时既看程序可以读取的数值，也看实际页面。浏览器能够提供文字最终采用的字号等样式信息，工具可以利用它们进行比较。[4] 页面是否挤在一起、按钮是否容易找到，则需要结合显示和实际操作判断。

例如，工具报告主要介绍的字号由18变为24像素。可以算一算：

24 ÷ 18 ≈ 1.33。

在这次设置中，字号约为原来的1.33倍，增加了约三分之一。这里比较的是字号数值，不能据此断言所有字形的高度都恰好增加三分之一，更不能把它写成“阅读效果提高三分之一”。

跟着新页面操作一遍。 先放大文字，再展开补丁细节；保持细节展开，恢复字号；最后收起细节。你应该看到，改变字号不会让细节自行展开或收起，改变细节也不会把字号改回去。

这两个小功能可以组合使用。读者可以看普通字号的主要介绍，也可以看放大后的补丁细节。它们帮助同一个阅读目标，但各自保存的当前情况应当分清。

键盘操作也可以顺手检查：用Tab键移到相应按钮，按Enter或空格，看看能否得到同样的变化。[5] 这一步让我们不只依赖一种点击方式。

如果实际结果与要求一致，就继续完成后面的检查，不需要专门制造一次错误。若出现差异，先把差异说清楚，再看需要补充哪一种信息。

例如，按钮文字变成了“恢复字号”，正文却看起来没变大。可以继续读取正文的实际字号，查看改变样式的代码，而不是立即换掉整张页面。若得到的字号确实是24像素，就要再比较前后的显示与所选文字，不能只凭一个印象判断程序失效。

还有一种情况：浏览器工具没有打开文件。此时，得到的是一次打开失败的信息，不是网页内容有问题的证据。先核对文件位置或交由人打开，才能继续判断功能。修改页面内容并不能自动解决所有工具问题。

留下一个具体的行动结果。 选择刚才的一次读取、写入或点击，用一句话说明它取得了什么，以及你据此做了哪项检查。无需抄下整段操作记录，能够回到具体文件或页面核对即可。

9.2.2　智能体怎样选择后续行动

到这里，最初安排的步骤可能已经全部完成，也可能在试用中出现了新的情况。

现在只改变一个条件：把预览窗口进一步缩窄到320像素，或者把窗口拖得比刚才更窄。保持较大的字号，再展开细节。看看文字是否仍然换行，两个按钮是否还在能够操作的位置。

这一次，我们没有增加功能，而是把已有作品放到另一种显示条件下。新的观察，会影响是否需要继续修改。

如果页面仍然清楚，AI可以依据检查结果结束这次调整。如果一行文字超出边缘，它可以读取相关样式，看看是否把区域宽度固定得过大；若定位到具体原因，再修改这一处并重新打开。若只能知道“页面不对”，却看不到实际文件或显示情况，则需要补充材料或请你说明。

这些是可能的处理方向。究竟应该采取哪一种，要看本次工具真实返回了什么，不能要求每个模型都演出同样的过程。

请AI接着检查这个变化。 可以说：

保持刚才的新文件和放大状态，把预览宽度改为320像素，展开细节后再看一次。根据实际结果决定是否需要修改。若已有做法满足要求，就保留；若需要调整，说明新结果改变了哪一步安排。

在以大模型为核心的AI应用中，模型能够围绕目标，利用工具取得信息，并根据结果选择后续行动，这种系统常称为智能体（agent）。本章讨论的就是这种能够使用工具、连续处理任务的智能体。[2]

可以把其中反复发生的联系读成一句话：

带着任务要求，取得当前结果；据此选择下一步；执行以后，再查看新的结果。

例如，模型发现正文超出边缘，先读取样式；读取结果表明一块区域被固定为较大的宽度，再选择修改宽度；随后重新运行，检查问题是否消失。这里的后续行动由模型结合结果作出选择。[6]

与之相比，如果程序事先规定“超出边缘就套用某一段固定样式，再运行一次”，它也能自动处理这种情况，但处理路径已经预先规定。两种方式都可能有用，判断区别需要看步骤怎样产生，不能只看屏幕上是否连续发生了许多动作。

工作流可以包含判断，智能体也可以使用固定步骤。 例如，固定安排“生成以后一定打开检查”，而让模型根据检查结果选择要修改的代码。实际应用可以把两种方式结合起来。[2]

因此，一段长对话、一次重复尝试，或网页自身的两个按钮，都不足以单独证明其中运行着智能体。需要看模型是否真的参与了后续行动的选择，以及相应工具有没有执行。

还有一个容易混淆的地方：帮助你修改网页的智能体，与做好的网页，是两个对象。本章完成的网页仍然可以用普通JavaScript控制字号和细节。读者按按钮时，并不需要再次询问大模型。AI参与了制作过程，作品运行可以沿用固定程序。

连续工作时，系统还需要保留本次任务中有用的信息。例如，正在修改哪个文件，正文已经采用哪一种字号，刚才在哪个宽度下检查过，哪件事尚未完成。这些信息帮助下一步接上前面的工作。

它们可以保留在当前对话、工具记录或项目文件里。模型根据这些信息继续处理，并不等于每改一次网页就重新训练一次模型。第5章讲过的“提供当前材料”与“调整模型参数”，在这里仍然需要分清。

新开一次对话时，也不要默认对方已经知道前面的过程。把当前文件和一句简短进展交给它，例如：“已完成字号切换，390像素预览正常，接下来检查更窄的显示。”这样，继续工作有了具体起点。

指出一次由结果影响的选择。 它可能是发现问题后修改某处，也可能是确认原有做法适用后停止修改。观察你这次实际发生的过程，说清“得到了什么—因此决定做什么”。如果全程只按预先列好的步骤执行，就如实记录这条工作流，不必为了给它取名而补写一次不存在的选择。

9.3　在委托中保留自己的判断

9.3.1　哪些操作需要先征得同意

当AI可以连续执行操作，我们不必再为每一次读取和点击重新发出指令。与此同时，开始时约定的范围变得更加重要。

这次你同意的是：保留原文件，制作新文件，增加字号切换，并完成相关检查。为完成这项要求，读取练习文件、修改新文件、重新打开和试用，可以在约定范围内继续进行。

假设AI又提出：“为了让页面更简洁，我把针脚的描述删掉了。”页面也许少了几行字，却改变了作品想表达的内容。第7章中，你选择留下针脚，是为了让读者看见修补的经历。怎样取舍这段表达，仍然需要由你判断。

这时可以回应：

保留关于针脚的原文。我们这次只调整阅读方式，不缩减作品内容。若放大后空间不够，请先调整换行和间距，涉及内容修改时再与我讨论。

这句话说明了保留的理由，也为继续处理指明了方向。人的判断不只是最后选择“通过”或“不通过”，还包括解释哪些东西值得保留。

有些操作影响范围更大。例如，覆盖原作会减少比较的依据，删除材料可能使后续修改失去来源，把网页发到公开网站则会改变谁能够看到它。这些都超出了本次“在新文件中调整阅读”的委托，需要另行确认。

确认时，最好明确到具体对象和动作：“可以用这份新文件替换原文件”，或“只在当前文件夹内保存，暂不发布”。一句“你看着办”留下的空间很大，不利于判断哪些选择已经获得同意。

用一句话划清本次范围。 例如：“读取原网页，在新文件中修改与检查；作品文字保留，覆盖原作和发布另行确认。”范围清楚之后，已经同意的低影响操作可以连续完成，不必每点一次按钮都停下来询问。

还要区分任务要求与实际权限。我们在对话中说明“不修改其他文件”，是在表达约定；环境还可以通过权限设置限制哪些文件能够写入、哪些操作需要确认。两者共同发挥作用，不能把一句提示当作已经设置好了全部限制。[7]

对于这个练习，使用单独的作品副本和相应工具范围即可。你需要理解允许发生什么，以及操作是否与约定一致；不需要在本章编写一套权限管理程序。

如果环境请求一项新权限，先看它准备做什么。完成一个本地字号按钮，通常无需把作品发布到外部网站。没有必要的额外操作，可以不批准，让任务回到原来的范围。

再请一位读者试用。 数值检查可以确认字号是否变大，实际读者则能告诉你，按钮是否容易找到、文字是否更适合自己。不同人可能有不同偏好，因此作品保留“恢复字号”的选择，也保留读者自己的决定。

9.3.2　什么时候继续，什么时候停下

“再优化一下”很容易说出口，却未必有明确的终点。AI能够继续生成建议，不代表这页作品需要一直增加内容。

回到最初的要求：正文和按钮可以放大、恢复；原来的细节功能保留；文字内容没有被改写；在已经检查的窄窗口中能够阅读和操作。若这些已经做到，就可以完成这次任务。

在这样的条件下停下来，意味着一项具体改进已经完成。以后有新的需要，再开始下一次尝试。保留一个能够使用的版本，比不断改变却说不清改进了什么更有帮助。

还有一种停止，是把需要判断的地方交还给人。比如你和试用者对字号大小有不同意见，或者希望同时保留两种完全不同的版式。AI可以整理差别，最终采用哪种做法，应当结合你们的用途和体验决定。

也可能暂时无法完成某一步。浏览器工具不可用时，可以说清“文件已经修改，实际点击尚未检查”，然后由你补上。不能因为后面的检查没有进行，就把前面已经完成的工作全部作废；也不能把未检查的部分写成成功。

反复尝试却没有新的信息时，同样值得暂停。例如，每次都重新生成整张页面，问题却没有被定位。更有用的做法可能是重新读取当前文件，补充一张页面截图，或把需要修改的范围缩小。

可以约定：围绕同一个问题尝试了几次仍没有进展，就先说明当前文件、已经尝试的办法和还缺少的信息。自动执行的系统还可以设置运行时间或尝试次数的上限，防止任务无限继续；具体数值按实际任务安排。[2]

这里的关键是让继续与停止有依据。还有可以核对的新信息、下一步与目标有关，就继续；需要人的选择、缺少必要条件，或已经满足要求，就在合适的位置结束或暂停。

完成一次清楚的交接。 可以请AI用几句话说明：“改了什么；依据什么结果判断；还有什么未做。”下面是一段示例：

新页面保存在patch-large.html，原文件保留。主要介绍、细节正文和两个按钮可以在18与24像素之间切换。

已在390与320像素宽的预览中操作两个按钮，字号切换没有改变细节的展开情况，文字未出现横向超出。当前结果满足本次要求。

页面没有公开发布。实际读者是否觉得更便于阅读，还需要请他试用。

按本次真实过程写这段说明。没有做过320像素预览，就不写这一项；由你完成的检查，就明确写成你的观察。这里需要的是清楚交代结果，不是列出尽可能多的完成项目。

配套的patch-large.html提供了一种完成写法，可以打开对照。它本身是一份普通网页，不会演示或重放智能体的制作过程。学习连续协作，需要观察自己的实际操作，以及模型怎样接着处理。

回看这次委托。 找到一项已发生的工具操作、一次受到结果影响的安排，以及一项需要自己决定的事情。再问问自己：AI接过部分操作以后，我是否更清楚作品要改善什么？实际结果是否帮助我形成了新的想法？

一个小按钮的价值，来自它回应了一个具体需要。能够连续完成工作，让我们有机会把更多注意力放在这样的需要上，也要求我们对目标与结果保持理解。

本章回望

一项任务可以拆成相互衔接的步骤。前一步的文件、计算或运行结果，为后一步提供材料。提前安排主要路径，有助于让工作稳定地接续起来。

模型、工具和人承担不同作用。模型根据要求与已有信息提出下一步，执行程序调用工具，工具返回真实发生的结果。读取了什么、保存到哪里、页面怎样变化，都应当能够回到具体对象上检查。

当模型结合结果选择后续步骤和工具，就出现了本章讨论的智能体式工作方式。固定工作流与模型选择可以配合使用。需要哪种方式，应当从任务出发，不以步骤多或自动化程度高作为唯一目标。

连续协作还需要清楚的委托。我们可以让已经同意的操作继续进行，也可以保留对内容、影响范围与完成标准的判断。知道什么时候继续、什么时候结束或交还给人，是完成任务的一部分。

第7章，你选择怎样讲述一件作品；第8章，你让读者能够操作它；本章，你又尝试组织AI与工具共同改进它。下一章，我们将把感知到的环境变化与作品的回应接起来，看看屏幕之外还有哪些值得探索的问题。

练习与继续探索

1. 说明步骤怎样衔接。 选择本次任务中的三个连续步骤，分别说出每一步需要什么、产生什么。若跳过中间一步，后面的判断可能缺少什么？

2. 比较两种“根据结果继续”。 一个程序预先规定“找不到文件就提示重新选择”；另一个应用由模型阅读返回信息后，决定检查文件名、换一种查找方式或向人提问。它们在哪里相似，下一步的产生方式又有什么不同？

3. 改变一个条件。 把预览窗口变窄，或使用自己原先设为默认展开的页面，重新完成一次相关检查。记录实际结果与下一步。结果正常时，说明为什么可以保留原有做法。

4. 判断一项新操作。 为了让页面更短，AI建议删去作品中的一句经历；为了让别人看到新页面，它建议立即发布。分别说清原来的委托是否包含这些动作，以及你需要了解什么才能作出决定。

5. 写清完成到哪里。 新文件已经保存，浏览器未能打开，AI写下“全部功能检查通过”。把这句话改成符合实际情况的说明，并指出下一步需要补上什么。

6. 把协作方法带到新事情中。 回到第1章留下的问题，或选择自己关心的一件小事。哪些步骤已经清楚，哪些需要看实际结果再决定？说明一项可以交给AI与工具的操作，以及一项你希望保留的选择。暂时不必增加新的软件平台。

本章资料来源

[1] W3C Web Accessibility Initiative. Understanding Success Criterion 1.4.4: Resize Text. 用于核对文字放大时保留内容与功能、允许浏览器缩放的基本原则。本章18至24像素的切换是教学示例，不据此宣称完成全部无障碍要求。访问日期：2026-09-21。https://www.w3.org/WAI/WCAG22/Understanding/resize-text.html

[2] Anthropic. Building effective agents. 原文发表于2024-12-19。用于核对预设工作流、模型选择行动、两者组合及停止条件的基本区分。本章限定讨论以大模型为核心的智能体，不把这一用法作为全部智能体研究的唯一界定。访问日期：2026-09-21。https://www.anthropic.com/engineering/building-effective-agents

[3] Anthropic. Tool use with Claude. 用于核对模型发出工具请求、执行程序调用工具并返回结果的关系。仅作原理参考，不指定课堂品牌、模型版本或接口配置。访问日期：2026-09-21。https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview

[4] MDN Web Docs. Window: getComputedStyle() method. 用于核对浏览器读取元素最终样式值的基本能力。访问日期：2026-09-21。https://developer.mozilla.org/en-US/docs/Web/API/Window/getComputedStyle

[5] W3C Web Accessibility Initiative. Disclosure (Show/Hide) Pattern. 用于核对展开与收起按钮的键盘操作和展开信息。访问日期：2026-09-21。https://www.w3.org/WAI/ARIA/apg/patterns/disclosure/

[6] Google Research. ReAct: Synergizing Reasoning and Acting in Language Models. 2022-11-08。用于参照行动、环境观察与后续处理之间的联系，不要求学生复现论文系统或读取模型内部思考过程。访问日期：2026-09-21。https://research.google/blog/react-synergizing-reasoning-and-acting-in-language-models/

[7] Anthropic. Configure permissions. 用于核对工具执行中的允许、拒绝与人工确认机制，支持区分自然语言约定与实际权限设置。访问日期：2026-09-21。https://code.claude.com/docs/en/agent-sdk/permissions