当前位置：首页 > news >正文

Agent的四种执行模式，解锁人机协作新境界！

news 2026/6/3 1:37:52

文章详细介绍了AI编程工具中Agent的四种执行模式：Agent模式、Ask模式、Manual模式和Plan模式。每种模式在提示词、工具权限、上下文管理和执行循环上都有不同配置，体现了自主性与控制权的不同平衡点。文章还探讨了模式切换的技术实现，包括状态转移、关键词匹配和语义理解，并强调模式切换不仅是提示词的更换，还涉及工具权限变更、上下文重聚焦和执行循环调整。最终，文章指出不同模式的设计本质上是在解决“信任”问题，并强调Agent执行模式是人机协作协议的不同实现，开发者可以根据需求设计新的模式。

谈到Agent的执行模式，本质上是在回答几个问题，要不要读项目？要不要改文件？要不要拉上下文？要不要持续执行？

不同的模式，就是在这几个维度上做出不同的选择。

先说个基本概念，Agent的执行模式到底是啥。

Agent的核心是个循环，观察→思考→行动→再观察，一直到任务完成。但这个循环怎么转，转多久，中间能干啥不能干啥，这些都需要明确定义。这就是执行模式要解决的问题。

从技术角度拆开看，执行模式就是四个维度的组合，提示词、工具权限、上下文管理、执行循环。

不同的模式，就是这四个维度的不同配置。

现在主流的AI编程工具，基本上都有几种执行模式

虽然名字可能不一样，但设计思路都差不多。

Agent模式

是完全自主的。提示词告诉它，「你是一个自主编码Agent，可以独立完成编码任务」。工具权限是最高的，读文件、改文件、跑命令都能干。上下文管理会主动去读项目结构、理解依赖关系。执行循环是完整的，一直干到任务完成。

Prompt: "你是一个自主编码Agent，可以独立完成编码任务..." Tools: [Read, Write, Search, Terminal, ...] Context: 自动读取项目结构、依赖、相关文件 Loop: 思考→行动→观察→再思考，直到任务完成

Ask模式

就克制多了。提示词告诉它，「你是一个代码问答助手，只回答问题，不要修改代码」。工具权限被限制，能读文件但不能改。上下文管理只读取当前文件。执行循环是单轮的，问一句答一句。

Prompt: "你是一个代码问答助手，只回答问题，不要修改代码..." Tools: [Read, Search] Context: 只读取当前打开的文件 Loop: 单轮问答，无后续循环

Manual模式

最保守。提示词告诉它，「你是一个代码编辑助手，根据用户指令修改代码」。工具权限最小，只能改当前文件，而且改之前要确认。在写工具执行之前插入人类反馈组件，等待人类给予相关反馈。上下文管理只看当前光标周围的代码。执行循环是被动的，用户说改啥才改啥。

Prompt: "你是一个代码编辑助手，根据用户指令修改代码..." Tools: [Write（当前文件）] Context: 只读取当前光标周围的上下文 Loop: 被动执行，用户指令→修改→等待下一个指令

Plan模式

是个有意思的设计。提示词告诉它，「你是一个规划助手，先分析任务、拆解步骤、列出计划，然后等待用户确认」。工具权限通常是只读的，能读文件、能搜索，但不能改。上下文管理会读取整个项目结构，因为它需要理解全局才能规划。执行循环是两阶段的，先规划后执行，规划完了要用户确认才进入执行阶段。

Prompt: "你是一个规划助手，先分析任务、拆解步骤、列出计划，然后等待用户确认..." Tools: [Read, Search] Context: 读取整个项目结构，理解全局 Loop: 规划阶段（思考→输出计划）→ 等待确认 → 执行阶段（按计划执行）

这四种模式的核心区别，在于「主动权」的差异。Agent模式会自己规划、自己执行、自己调整。Plan模式会先规划，但要你确认才执行。Ask模式只会回答问题，不会主动去干活。Manual模式只按指令干活。

但有个更有意思的事，模式之间是可以切换的。

大家在用Claude Code时可能注意到，当我们用Plan模式规划完任务时，Agent会同时请求用户对于计划的确认。当我们回复「好的，方案确定了，现在请切换到Agent模式执行这个方案」，或者简单说句「开始实施吧」，智能体便会自动切换回Agent模式，最新一些智能体版本，直接让用户选择切换执行模式。

Plan模式输出

寻求用户切换

这个切换是怎么发生的？

从技术角度看，模式切换本质上是个「状态转移」。Agent内部维护了一个状态机，「比如langgraph框架的AgentState状态机」，记录当前处于哪个模式。用户的某些语句，会触发状态转移的条件。

比如Plan模式下，提示词里会埋一段规则，「当用户确认计划时，切换到执行模式」。这个规则伪过程是这样的：

Plan模式的提示词（部分）： "完成规划后，输出计划并等待用户确认。 如果用户回复类似'好的'、'开始执行'、'可以'等确认语句， 则切换到执行模式，开始按计划执行任务。"

但这里有个细节，Agent怎么知道用户说的话是「确认」还是「继续讨论」？

两种实现方式。一种是「关键词匹配」，预设一批确认关键词，「好的」「可以」「开始」「执行」，用户说了这些词就触发切换。好处是简单可靠，坏处是死板，用户说「那行吧」可能就识别不了。

另一种是「语义理解」，让模型判断用户意图。提示词里会写，「根据用户回复的语义，判断是确认计划、修改计划、还是继续讨论。如果是确认计划，切换到执行模式」。好处是灵活，坏处是可能误判，模型有时候会过度解读。

实际产品里，往往是两种方式混着用。先用关键词匹配做一层筛选，命中了就直接切换。没命中再走语义理解，判断用户意图。

更精细的设计，还会在切换时做「上下文转换」。

Plan模式下，Agent读取的是项目结构、依赖关系、文件列表，重点是理解全局。切换到Agent模式后，它需要根据计划，重新聚焦到具体文件上。

Plan模式→Agent模式的上下文转换： Plan阶段上下文：项目结构、依赖图、全局文件列表 切换触发：用户确认计划 转换动作： 1. 保持计划内容 2. 按计划第一步，定位具体文件 3. 加载执行阶段的工具权限（Write、Terminal） 4. 进入执行循环

所以，模式切换不只是换个提示词，还涉及工具权限的变更、上下文的重新聚焦、执行循环的调整。

Claude Code的实现里，还有个巧妙的设计。它不会在切换时丢弃Plan阶段的上下文，而是把计划「压缩」后保留在对话历史里。这样Agent在执行时，还能回溯到原始规划，知道自己为啥这么干。

对话历史（简化版）： [User]: 重构这个模块 [Agent-Plan]: 分析完成，计划如下：1. 读取xxx文件 2. 重构函数A 3. 添加测试... [User]: 好的，开始执行吧 [Agent-Execute]: 收到确认，开始执行计划。第一步，读取xxx文件...

这个设计的好处是，执行阶段如果遇到问题，Agent可以回看计划，调整策略。坏处是，如果计划很长，会占用对话上下文，导致能用的Token变少。

说到这，你可能发现了，不同模式的设计，其实都是在解决同一个问题

自主性和控制权怎么平衡。

权衡一，要不要读项目？

读项目的好处是，Agent能理解上下文，给出的建议更准确。坏处是，读项目需要时间，而且可能读太多不相关的东西，污染上下文。

Agent模式选择「积极读取」，Plan模式选择「全局读取」，Ask模式选择「适度读取」，Manual模式选择「最小读取」。

权衡二，要不要改文件？

改文件的好处是，Agent能真正帮你干活。坏处是，改错了后果严重。

Agent模式选择「可以改」，Plan模式选择「规划阶段不能改，执行阶段可以改」，Ask模式选择「不能改」，Manual模式选择「改之前确认」。

权衡三，要不要持续执行？

持续执行的好处是，Agent能自己干一串事。坏处是，可能跑偏了你还不知道。

Agent模式选择「持续执行」，Plan模式选择「分阶段执行，中间要确认」，Ask模式选择「单轮问答」，Manual模式选择「被动执行」。

权衡四，要不要加载所有工具？

加载所有工具的好处是，Agent能干的事多。坏处是，提示词会很长，而且可能用到不该用的工具。

Agent模式工具最多，Plan模式工具最少（规划阶段只有读），Ask模式工具适中，Manual模式工具最少（只有写）。

这些权衡背后，其实都是「信任」问题。

你敢不敢信任Agent？敢信任到什么程度？

完全信任，让它自己跑，读项目、改文件、跑命令。适度信任，让它先规划，规划完你确认了再执行。低度信任，它只能回答问题，不能改文件。完全不信任，你让它干啥它才干啥。

不同的模式，就是在这个信任谱系上找位置。

说到底，Agent的执行模式，是在设计一套「人机协作协议」。

这套协议要回答几个问题，任务怎么分配，进度怎么反馈，问题怎么处理，结果怎么交付。

不同的执行模式，就是这套协议的不同实现。

Agent模式的协议是「人类给任务，Agent自己干，干完汇报」。Plan模式的协议是「人类给任务，Agent先规划，人类确认后执行」。Ask模式的协议是「人类提问，Agent回答，不主动干活」。Manual模式的协议是「人类指令，Agent执行，每步确认」。

理解了这一点，你自己也能设计Agent的执行模式。

比如，你可以设计一个「只读模式」，提示词告诉Agent「你只负责读取文件、分析代码、给建议，不要修改任何东西」，工具权限只给Read，上下文管理可以读取整个项目，执行循环是单轮的。

或者设计一个「批量模式」，提示词告诉Agent「你可以批量修改多个文件，但每次修改前要列出所有修改点，让用户确认」，工具权限给Write，上下文管理读取整个项目，执行循环是多轮的，但每轮都要确认。

这就是Agent开发的本质，设计不同的提示词、工具权限、上下文、执行循环，来满足不同的协作需求。

传统产品经理，正在成为下个被淘汰的“传统岗位”。

过去画原型、写 PRD、跟进度的“传统技能包”，在AI时代正迅速贬值。63% 的企业转型做 AI 产品！当下的问题不再是“要不要学 AI ”，而是“如何构建 AI 产品”。

前段时间还跟字节、腾讯的资深 AI 产品经理沟通，他们反馈：在大量招人，只要有 AI 相关的项目经验，基本都能拿到面试机会，而且领导很舍得给钱，涨薪 40-60% 很正常！

接下来的产品人，得卷AI能力了！

如今AI大火，行业极速发展的背后，懂AI 产品人才却严重稀缺。这不是要你转技术岗，而是要掌握构建 AI 产品的核心方法：

如何将你的领域知识，转化为 AI 产品的核心竞争力？
如何用 AI 技术实现你的产品需求？
如何设计真正懂用户的 AI 交互体验？
……

懂AI，就是产品经理的“救命稻草”！

风口之下，与其焦虑被行业淘汰

不如先人一步享受AI技术带来的红利！

我把AI产品经理的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

（不限年龄！不限岗位！没有代码基础也能学！）

🎁现在扫码，完课还送：

《AI产品面试题库》《AI大模型应用案例集》

掌握技术+实战，快速转型！

想成为一名卓越的AI大模型产品经理，需要从技术、到项目实战的全方位转型指南！

**1）**AI产品应用原理解析，产品经理也能听懂！

对于产品经理来说，如果你不懂技术，做不了业务和AI大模型技术衔接、定义不了数据需求，是没法完整的落地一个产品的！

本次课程，专门面向产品经理人群，解析当下最热门的AI产品应用的必备的「大模型」、「多模态」的实际应用和算法原理！解析AI产品应用技术，积累大模型能力！简单易懂，不需要会代码，小白也能掌握！

大模型微调：掌握主流大模型（如DeepSeek、Qwen等）的微调技术，针对特定场景优化模型性能。学习如何利用领域数据（如制造、医药、金融等）进行模型定制
AI Agent智能体搭建：学习如何设计和开发AI Agent，实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手产品（如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等）

2）超全行业案例解析！

课程详细讲解现阶段，大模型在各个行业和领域的应用现状！包括：零售与电商、教育、医疗、泛娱乐、法律等等10大行业！

详细讲解案例的思路、应用场景，以及背后的技术原理、核心技术！揭秘各个行业、场景的真实现状，和未来产品的发展与机遇！

可以说，讲解完一个案例，就能积累一个AI产品实践的经验！

课程中所涉及到的实战项目，都可以直接在自己的工作中使用，让自己的产品/项目有可借鉴的成功案例！

3）AI产品经理求职专项辅导

课程中会系统的帮助大家拆解字节、腾讯、百度等大厂AI PM岗位JD关键词，掌握AI PM高频面试题型与回答框架；展示 AI 相关能力的关键技巧：Prompt设计、模型评估、A/B测试、成本意识、与算法/工程协作经验；

To B类AI产品经理：突出“行业理解 + 技术落地 + 商业闭环”能力的简历结构设计，展示项目成果；从客户需求洞察到技术方案设计，展现端到产品思维；如何评估To B AI产品的可行性、客户付费意愿与实施成本
To C类AI产品经理：拆解头部公司岗位JD，将过往尽力转化为AI产品叙事逻辑；从行业趋势、产品设计题、案例分析&数据分析题、技术理解边界等全流程辅导面试；避免无效海投、锁定最适合的AI产品岗位；

本次课程，全程直播讲解，能直接对话大佬和专业助教，不懂就问，超详细的案例，小白也能轻松get！

完课后，还赠送《AI产品经理面试题库》、《AI大模型应用案例集》！不断更新中……

适合人群：