3.0 从回答问题到解决问题

经过上一阶段的努力，答疑机器人已经能准确回答公司内部问题，回答风格专业统一，评测体系也跑起来了。同事们开始信赖它——但信赖带来了更高的期望。

"能不能帮我搜一下最新的行业报告？""帮我更新一下项目进度表。""帮我审查一下这篇课程文档。"

你发现了一个根本性的限制：机器人只会"说"，不会"做"。要让它从"顾问"变成"助手"，它需要工具、规划和分工协作的能力。

但当Agent学会动手之后，新的问题接踵而来：每次开始新任务，它都像失忆了一样。上次踩过的坑这次又掉进去，精心调试好的审查流程换个对话窗口就得从头交代。好的工作方法停留在聊天记录里，没有固化为可复用的流程。

解决了记忆和沉淀的问题后，所有零件都齐了：工具、规划、分工、记忆、技能。但零件齐了不等于系统可靠。你让Agent审查一篇文档，结果好的时候很好，差的时候莫名其妙。缺少一套系统化的方法来判断它干得好不好，让它从"偶尔对"变成"持续对"。

接下来，你将一步步解决这三个问题：让Agent能动手、让好经验留下来、把零件组装成可靠的系统。

本章课时：

课时	标题	说明
3.1	Agent基础与工具调用	Function Calling + ReAct + MCP
3.2	让Agent学会规划与执行	反思 + 工作流 + 自主规划
3.3	用多Agent实现团队协作	多智能体分工协作
3.4	用Memory让Agent积累经验	短期/长期记忆 + 主动记忆管理
3.5	用Skill将能力固化为可复用流程	从Prompt到Skill的演进
3.6	用评测驱动Agent开发	端到端 + 白盒化评测
3.7	Qwen Code实践	掌握 Coding Agent 的日常工作方式