Company Talk · 2026.09.16

Vol.01 · 26 min

内部分享会 · 2026 · Q3

什么是 Agent

从 Chatbot 到 Agent · Loop · Skill · MCP

2026 年大家在谈的那个词，我们把它拆开看——拆成四个模块、一个循环、两件具体的事。

混合受众·开发 / 产品 / 市场·26 分钟 · 含 Q&A

什么是 Agent · 一次从概念到代码的旅行

— 2026.09 —

开场 · 3′ · 全员

CH 01 · 02 / 20

三个数字，让人停下来

贵 600 倍 · 但它交活

2026 Q2，国产桌面 Agent 月活两千万的产品已经跑出来了——不是 PPT。

Price · 单次任务

60×— 600×

Chatbot 5 分钱 vs Agent 3-30 元一次完整任务

Success · 多步成功率

85%

2024 年还不到 30%，2 年翻一倍

WorkBuddy · 月活

1300万 DAU

国产桌面 Agent 第一 · 比 2、3 名加起来还多

Kimi · 上下文

200万 token

300 子 Agent 集群 · 跨 13 小时长跑

MCP · 协议阵营

6家

OpenAI / Anthropic / Google / 微软 / 腾讯 / 阿里全员支持

SkillHub · 技能市场

8万 +

Skills 上架 · 27 个 MCP server

数据截至 2026.09 · 演讲前请复核关键数字

CH 01 · 开场

第一幕 · 拆词

CH 02 · 03 / 20

CH 02 · 5 min

它不是更聪明的 Chatbot

它能交活 · 跨工具 · 跨多步

先看一张 8 行对比表，再看 5 个反例，最后一句话判断标准。

Chapter 02 · 从 Chatbot 到 Agent

— 引子 —

对比表 · 8 行差异

CH 02 · 04 / 20

Capability Matrix · 能力矩阵

Chatbot vs Agent

能力维度

差异

C / A

工具调用

Chatbot 没有；Agent 通过 MCP / Function Calling 改外部世界

0 / ✓

决策自主性

Chatbot 0；Agent 1-5 视任务由 LLM 决定下一步

0 / 1-5

错误恢复

Chatbot 出错就停；Agent 会 Reflect、重试、自检

无 / 多

任务形态

Chatbot 一次性问答；Agent 循环直到完成

问 / 交

计费模型

Chatbot 按 token；Agent 按任务（3-30 元 / 任务）

token / 任务

上下文持久

Chatbot 仅本轮；Agent 有 Memory（短期 + 长期 + 情景）

短 / 长

并行能力

Chatbot 单线；Agent 可拉子集群（300 + 子 Agent）

1 / 300+

Chatbot = 顾问（你问它答） · Agent = 实习生（你说目标，它交付）

CH 02 · 能力矩阵

反例 · 5 个"看起来像但不算"

CH 02 · 05 / 20

Counter-examples · 排除法

不是 Agent 的 5 种东西

一次性问答

不循环 · 不调工具
→ Chatbot

Prompt 模板流水线

if-else 串起来 · 每步固定
→ Workflow

单次 Function Call

跑一次就出结果 · 没有循环
→ 增强 Chatbot

多 Agent 不共享状态

各跑各的 · 没有调度
→ Pipeline

"它能跨多步、循环、直到任务完成吗？能就是 Agent；不能就是别的。" — 一句话判断标准

Chapter 02 · 反例

排除法 · 看清边界

第二幕 · 拆结构

CH 03 · 06 / 20

CH 03 · 6 min · 技术

四个模块 · 一个关系

LLM · Memory · Tools · Planning

任何 Agent 产品都是这四块的不同实现 + 不同侧重。Kimi 强 LLM+Memory；WorkBuddy 强 Tools+Planning。

Chapter 03 · 核心结构

— 引子 —

四个英文 · 4 modules

CH 03 · 07 / 20

Core Modules · 四大支柱

四个英文名词 · 记住就好

LLM · 大脑

决策中心。推理深度不够，长任务会卡——升级到 reasoning 模型能修复。

Memory · 记忆

短期（context）+ 长期（向量库）+ 情景（过去任务）+ 语义（system prompt）。

Tools · 手脚

没有 Tools 就没有 Agent。Description 没写好，60% 的 Bug 来源。

Planning · 策略

ReAct 边走边想；Plan-and-Execute 先规划再跑；反射（Reflect）决定何时重试。

LLM 决策 · Memory 上下文 · Planning 下一步 · Tools 改世界

CH 03 · 四大模块

概念关系图 · 7 nodes

CH 03 · 08 / 20

The Relation Map

它们怎么连

Skill 是说明书，MCP 是 USB-C 接口。Loop 把四块串起来。

User 提出目标 Agent Loop 驱动整个循环 LLM 在每步里决策"下一步做什么" Planning 拆任务 · Memory 喂上下文 Tools 经 MCP 出门 · Skill 教怎么用

Skill 是说明书 · MCP 是 USB-C 接口

CH 03 · 概念关系图

第三幕 · 看心跳

CH 04 · 09 / 20

CH 04 · 6 min · 核心

Agent Loop

让所有人亲眼看一次完整的循环

Observe → Think → Act → Observe → Reflect → ... → Done。是 Agent 的"心跳"。

Chapter 04 · 核心机制

— 引子 —

Pipeline · 流水线

CH 04 · 10 / 20

Loop · 5 步骨架

观察 · 思考 · 行动 · 观察 · 反思

运行时驱动循环 · 模型只负责选下一步

主循环 · Main Loop

01

Observe

读环境 · 用户输入 · 上一步结果

02

Think

LLM 决策下一步

03

Act

调工具 / 写文件 / 改外部世界

04

Observe

拿到工具返回值

05

Reflect

自检 · 是 / 否 · 进 02 重启

Runtime 负责 validate / stop / force-stop —— 模型只负责选下一步。 — Claude Code · Cursor · Devin · Aider 都是这个模式

Page 10 · Loop 骨架

Pipeline

实战 · Real Task · 8 步

CH 04 · 11 / 20

Use Case · 找出本月销售 TOP 10 → 生成报告

一次完整任务的 8 步

第 1-4 步 · 数据采集

找到文件 · 解析 · 排序

① Thought：先 list_dir 找 Excel
Action → list_dir('./sales')
② Observation：发现 3 个 .xlsx
Action → pandas.read_excel × 3
③ Observation：20K+ 行 · 跨 4 列
Action → SQL 排序前 10

第 5-8 步 · 生成与交付

出报告 · 验证 · 收尾

④ 合并 3 张表 → group_by 客户 ID
⑤ LLM 生成 Markdown · 含趋势说明
⑥ Reflect：模型自检数字合理性
⑦ 调 IM MCP → 发群消息
⑧ final_answer → Done
↓ 累计 token ≈ 12K · 耗时 ≈ 90s

Page 11 · 8 步实战

CH 04 · 真实任务

变体 · 4 种 & 5 个坑

CH 04 · 12 / 20

Variants · Variants + Pitfalls

Loop 不是一种 · 是四种

四种主流 · Pick by Use Case

ReAct

边走边想

短任务 · 最快

Plan-Exec

先规划再跑

长任务 · Devin

Reflexion

显式反思

可验证任务

Tree-of-Thought

多条路径

数学 · 贵 O(bkd)

5 个最常见的坑 · Pitfalls

01

无限循环

max_iters 兜底

02

上下文爆炸

压缩 + 摘要

03

幻觉观察

引用原始值

04

乐观偏差

每次 Reflect

05

预算失控

budget kill switch

生产 Agent 必须有 · max_iters · budget kill · context 压缩 · Reflector 分开

CH 04 · 变体与陷阱

第四幕 · 看产品

CH 05 · 13 / 20

CH 05 · 5 min · 全员

国产 Agent 全景

15 款 · 12 个厂 · 两条路径

不知道选啥？看你的角色 + 想做的事。下面一张表决定。

Chapter 05 · 国产 Agent 产品全景

— 引子 —

全景 · 三种路径

CH 05 · 14 / 20

Three Paths · 国产 Agent 三条路

这两条路不矛盾

PATH · 01

模型能力向外突破

Kimi · 智谱 · 有道
顶尖自研大模型 + 长上下文 + 多 Agent 集群。专精高端路线。

PATH · 02

生态场景向内渗透

腾讯 · 阿里 · 字节 · 百度
自家产品矩阵 + 流程适配 + 团队协同。普惠落地路线。

PATH · 03

垂直纵深

WorkBuddy · AiPy · 千问办公
管广度（任何人都能用）或管深度（政企高安全）。

SHAPE · A

桌面协作

WorkBuddy · 千问办公 · 豆包桌面 · QClaw

SHAPE · B

代码 IDE

Kimi Code · TRAE Work · Qoder · ZCode

SHAPE · C

研究/重任务

Kimi Work · AiPy · ChatGLM

模型能力向生产 · 生态场景向日常 · 垂直向纵深

CH 05 · 全景

两款重点 · Head to Head

CH 05 · 15 / 20

WorkBuddy · 腾讯

月活 1300 万 · 全国第一

2026 Q2·DAU 13M

✓ 腾讯生态打通（微信 / 企微 / QQ / 腾讯会议）
✓ 远程控机 · 企业合规
✓ 普惠路线 · 谁都能用

短板 · 超大集群复杂任务不如 Kimi Work

Kimi Work · 月之暗面

200 万 token · 300 子 Agent

重度研究·13 小时长跑

✓ WebBridge · 真控浏览器
✓ 重度研究 · 跨 13 小时不丢
✓ 顶尖国产长上下文

短板 · 仅自研模型 · 无团队合规 · 无远程控机

WorkBuddy = 广度 · Kimi Work = 深度

CH 05 · 重点产品

选型 · Decision Table

CH 05 · 16 / 20

Pick by Role · 按角色选

你的角色 + 想做的事 → 1 行推荐

角色

Skill · MCP

说明书 · USB-C 接口 · 今天就能上手

一句话区分：Skill 是说明书，MCP 是 USB-C 接口。

Chapter 06 · Skill + MCP + 今天就能上手

— 引子 —

区分 · Skill vs MCP

CH 06 · 18 / 20

Skill · 说明书

一个 Markdown 文件

前置 YAML + 工作流步骤
教 Agent "什么时候用、参数怎么填"
包装 1 个或多个 Function Call
SKILL.md 是常见命名

---
name: ui-from-prompt
description: 从自然语言需求
生成 UI 原型
---
# Steps
1. 解析意图 → 2. 拉模板
3. 出图 → 4. 拼板

MCP · USB-C

一份 JSON 配置

command · args · env · tools 列表
启动时读 → 告知哪些外部工具可用
Claude Desktop · WorkBuddy 全支持
2026 接入 MCP 是入场券

{
  "name": "pencil",
  "command": "pencil-mcp",
  "tools": ["wireframe",
    "export-svg"]
}

Skill 教"怎么用" · MCP 给"可用的接口"

CH 06 · 区分

Real Output · 真实产出

CH 06 · 19 / 20

Proof · 真东西不是 PPT

3 秒 · 3 屏 · 一句话

"帮我画个专家预约 App 的原型"——Agent 调起 SKILL.md + pencil MCP，3 秒出 3 屏。

Skill + MCP 的实际威力：
从一句话到可交付的视觉稿。 — Agent Loop · 三秒级响应

Pencil MCP · 专家预约 App 原型输出 — Pencil · 专家预约 App 原型输出

Skill 教流程 · MCP 给工具 · Loop 串起来

CH 06 · 真实产出

Takeaway · 收束

20 / 20

3 Things · 今天就能做

打开腾讯 SkillHub · 装一个 Skill 到你的 WorkBuddy · 跑一次"整理上周会议纪要"。

第四件事：用 1 分钟给一位同事讲清楚 Agent Loop。

谢谢 · Now Q&A · 微信 / Slack 都欢迎

Page 20 · Takeaway

— End —