Appearance
Agent 模式说明
Agent 模式不是把普通对话换个名字，而是让模型从"一次回答"变成"持续完成任务"。
如果你的目标不是只得到一句回复，而是希望它继续整理资料、推进任务、生成结果、在必要时回过头来向你确认信息，那么 Agent 模式会更合适。
适合什么任务
和普通对话相比，Agent 模式更适合下面这些工作：
- 需要分几步完成的任务
- 需要结合工作区文件继续处理的任务
- 需要生成中间成果和最终交付物的任务
- 需要在执行过程中补充信息或确认方向的任务
- 需要保留进度、稍后继续处理的任务
它更像一个持续推进工作的助手，而不是一次性回答问题的聊天窗口。
核心能力
1. 持续推进
普通对话更适合快问快答。Agent 模式更适合那些需要连续处理的事情，比如先理解需求、再整理材料、再输出结果。
这样你交付给它的是一个目标，而不只是一个瞬时问题。
2. 过程可见
你不只会看到最后一句回答，也能看到任务推进过程中的关键变化。
这让你更容易判断当前方向是否正确，也更方便在中途纠偏，而不是等到最后才发现结果不符合预期。
3. 围绕工作区做事
每个 Agent 会话都有自己的工作区，可以围绕同一批资料和产物持续处理任务。
这让它更适合文档整理、页面原型、资料归纳、内容改写、结构化输出这类需要"边做边留痕"的工作。
4. 需要时和你配合
当信息不够完整时，Agent 可以继续向你追问；当任务需要更高能力时，也可以主动发起申请。
这种方式更接近真实协作，而不是一轮提问、一轮回答后就完全结束。
Agent 运行机制
Agent 模式采用经典的 ReAct（Reasoning + Acting）模式运行：
Agent Loop
循环（最多 50 轮）:
1. 构建消息 → 组装系统提示词 + 上下文消息
2. 调用 LLM → 获取回复（可能包含工具调用）
3. 如果有工具调用 → 顺序执行每个工具 → 将结果追加到消息
4. 如果没有工具调用 → 任务完成，退出循环每轮循环中，Agent 可以调用多个工具（顺序执行）。工具执行后结果会反馈给 LLM，由 LLM 决定下一步行动。
系统提示词组装
Agent 的系统提示词在运行时动态组装，由以下部分构成：
| 组成部分 | 来源 | 说明 |
|---|---|---|
| 基础指令 | 内置 | Agent 行为准则（澄清、规划、执行、展示等） |
| AGENTS.md | 工作区文件 | 用户自定义的 Agent 配置和偏好 |
| Skills | 工作区 skills/ 目录 + 内置技能 | 任务相关的流程指令 |
| 始终注入记忆 | 记忆系统 | always_inject 策略的用户偏好 |
| 即将到来的事件 | 记忆系统 | time_event 策略的定时提醒 |
| 按需召回记忆 | 记忆系统 | on_recall 策略的相关记忆 |
| 工作区元数据 | 宿主环境 | 颜色方案、语言、时区、视口尺寸、品牌信息 |
| 待办计划 | 当前会话 | Agent 维护的任务进度 |
上下文优化
为充分利用 LLM 上下文窗口，Agent 会自动优化发送给模型的消息：
- 失败调用裁剪：历史上（前一个 turn）失败的工具调用会被自动移除，不占用上下文空间。当前 turn 的失败调用会保留，让 LLM 有机会自我修正
- 空消息过滤：空内容的助手消息和纯 UI 展示消息不会发送给模型
- Widget 提示：当用户输入匹配特定模式（如"解释"、"演示"、"流程"）时，系统会自动提示 Agent 考虑使用 Widget 展示
工具能力体系
Agent 的能力由四个层面组成，各自有不同的定位和适用场景：
| 维度 | 工具集（Toolsets） | MCP 服务器 | 插件（Plugins） | 技能（Skills） |
|---|---|---|---|---|
| 定位 | 内置的基础能力 | 远程数据来源 | 就地能力扩展 | 文档指令与流程 |
| 形态 | 浏览器端运行的工具函数 | 通过协议调用的远程服务 | 浏览器端运行的沙箱代码 | 工作区中的 Markdown 文件 |
| 使用者配置 | 选择启用/禁用 | 添加服务器地址和认证 | 安装 ZIP 包并启用工具 | 在工作区 skills/ 目录中放置文件 |
| 典型例子 | 文件读写、Python 运行时、文档提取 | 天气 API、数据库查询、企业内部接口 | FFmpeg 音视频处理、Mermaid 图表渲染 | 办公文档排版规范、代码审查清单、数据处理流程 |
| 核心区别 | Agent 的基础"手"，通用且稳定 | 给 Agent 接入外部数据和服务的"眼睛" | 给 Agent 装上新的"手"，处理本地计算密集型任务 | 给 Agent 一份"说明书"，指导它按流程执行 |
工具集：基础能力
系统内置了 18 个工具，分为以下类别：
Workspace（工作区操作）
| 工具 | 功能 |
|---|---|
unix_sim | 工作区文件读写、编辑、搜索、重命名、目录管理等文件操作（默认启用） |
open_artifact | 在 UI 中打开 artifacts/ 目录下的产物文件 |
Network（网络访问）
| 工具 | 功能 |
|---|---|
web_fetch | 获取网页内容并转换为文本或 Markdown |
http_request | 发送自定义 HTTP 请求（支持 GET/POST/PUT/DELETE 等） |
Python（代码执行）
| 工具 | 功能 |
|---|---|
python_exec | 执行 Python 代码片段（浏览器端运行时，默认启用） |
python_run_file | 运行工作区中的 Python 文件 |
Document Extraction（文档提取）
| 工具 | 功能 |
|---|---|
extract_document | 从 PDF、DOCX、XLSX、PPTX、HTML 等文档中提取文本、表格和元数据（默认启用） |
Media（媒体处理）
| 工具 | 功能 |
|---|---|
generate_image | 使用 AI 模型生成图片（需手动启用） |
transcribe_audio | 将音频文件转写为文字（需手动启用） |
ocr | 图片文字识别（需手动启用） |
Runtime Bridge（运行时桥接）
这些工具用于 Agent 与用户交互和结果展示：
| 工具 | 功能 |
|---|---|
ask_user | 向用户提问，获取确认或补充信息 |
show_widget | 展示结构化内容（指标卡片、数据表格、流程步骤等） |
show_visual | 展示自定义 HTML 交互内容 |
show_actions | 展示推荐操作按钮 |
update_todo | 更新待办事项列表 |
Management（管理工具）
| 工具 | 功能 |
|---|---|
manage_memory | 管理长期记忆（保存、召回、删除） |
manage_mcp | 管理 MCP 服务器（添加、删除、启用、禁用） |
manage_plugin | 管理插件（安装、卸载、启用、禁用） |
MCP 服务器：外部数据来源
MCP（Model Context Protocol）让你可以连接远程服务器，把外部系统的工具接入 Agent。
MCP 的定位更偏向数据来源——通过标准协议对接外部 API 和服务，让 Agent 获取它自身不具备的数据和信息。比如连接一个天气服务获取实时数据、连接数据库查询业务记录、连接企业内部 API 获取项目状态。
在 MCP 服务器管理面板中，你可以添加、配置和验证远程服务器连接。支持无认证、OAuth Bearer Token 和自定义 Headers 三种认证方式。连接成功后，Agent 就可以像调用本地工具一样调用这些远程能力。
MCP 工具按 mcp_{服务器标识}_{工具名} 的格式命名，连接到服务器后自动注册到可用工具列表中。
插件：就地能力扩展
插件的定位是提供浏览器端就地执行的能力扩展。与 MCP 调用远程服务不同，插件代码直接在浏览器中运行，适合计算密集型或需要操作本地文件的场景。
比如 FFmpeg 插件利用 WASM 在浏览器中直接处理音视频，无需上传到服务器；Mermaid 插件在本地渲染流程图。插件可以执行网络请求、文件操作、Python 脚本、WASM 等任务。
关于插件的详细说明，请参考 插件系统。
技能：文档指令与标准流程
技能（Skills）是 Markdown 文件，用来为 Agent 提供特定任务的详细指令、步骤说明和标准流程。
内置技能：系统预装了以下技能，Agent 会根据任务自动匹配：
| 技能 | 说明 |
|---|---|
weather | 天气查询流程 |
deepsearch | 深度搜索流程 |
web-search | 网络搜索流程 |
自定义技能：你也可以在工作区 skills/ 目录中创建自己的技能。每个技能是一个子文件夹，包含一个 SKILL.md 文件：
skills/
office/
SKILL.md # 办公文档排版规范
code-review/
SKILL.md # 代码审查清单SKILL.md 文件使用 YAML frontmatter 声明名称和描述：
markdown
---
name: 办公文档排版
description: 按照公司规范排版 Word 文档的标准流程
---
# 办公文档排版规范
## 步骤一：确认文档类型
...当 Agent 的任务匹配到某个技能时，它会先读取完整的 SKILL.md 内容，然后按照其中定义的流程来执行。这让你可以为 Agent 定义标准化的工作方式，而不需要每次都在对话中重复描述流程。
技能与其他三种工具的区别在于：工具集、MCP、插件都是可调用的函数，而技能是可阅读的指令——它不提供新的执行能力，而是指导 Agent 更好地使用已有能力。
记忆系统
Agent 内置记忆系统，可以自动保存和召回与你相关的重要信息，让 Agent 在多次对话中保持连续性。
记忆的类型
记忆按内容类型分为多个类别：
- 通用：一般性信息
- 偏好：你的个人偏好和习惯
- 事实：已知的事实性信息
- 技能：你掌握的技能或 Agent 学到的执行方式
- 人物：与特定人物相关的信息
- 项目：与特定项目相关的信息
注入策略
每条记忆可以设置不同的注入策略，控制何时被 Agent 使用：
- 始终注入（
always_inject）：每次对话都注入到系统提示词中，适合非常重要的基础信息（如沟通风格偏好、默认语言） - 按需召回（
on_recall）：仅在相关查询时自动召回，适合大多数记忆（如个人背景、项目知识） - 定时事件（
time_event）：在指定时间前注入，适合提醒类记忆。事件日期过后自动转为历史事实
管理记忆
在记忆管理面板中，你可以查看、搜索、添加、编辑和删除记忆。Agent 也会在对话过程中自动在合适的时机保存新记忆（如用户分享偏好、提到重要信息时）。
待办事项
Agent 在执行复杂任务时，会通过 update_todo 工具自动维护一个待办清单，把大目标拆分成可执行的步骤。
每个待办项有以下状态：
pending— 待处理in_progress— 进行中（同一时间只会有一个）done— 已完成cancelled— 已取消
你可以在侧边栏的待办事项面板中查看当前任务的进度，了解 Agent 已经完成了哪些步骤，接下来计划做什么。这让长任务的执行过程更加透明。
产物文件
Agent 生成的结果会保存在产物文件面板中，支持以下格式：
| 类型 | 支持格式 |
|---|---|
| 网页 | HTML |
| 图片 | PNG、JPG、GIF、WebP |
| 视频 | MP4、WebM |
| 音频 | MP3、WAV |
| 矢量图 | SVG |
| 文档 | Markdown |
| 数据 | JSON |
| 文本 | 代码、配置文件等 |
产物支持全屏预览，方便你仔细查看和比较结果。
常见使用场景
- 基于已有资料整理成一份更清晰的摘要
- 让 Agent 生成一个页面原型并持续修改
- 结合工作区文件输出结构化内容
- 整理文档、提炼要点、改写说明文字
- 把较复杂的目标拆开推进，并在过程中逐步确认
- 为一次任务持续沉淀文件、结果和可交付内容
- 建立长期记忆，让 Agent 更了解你的工作习惯和偏好
一句话理解
Agent 模式适合那些"不只是想问一句"，而是"想把一件事继续做下去"的场景。