AI Agent 底层四组件拆解：Identity、Tools、Skills、Memory 与四级信任模型——基于 awesome-generative-ai-guide 的实战指南

本文基于仓库 youtube/how-ai-agents-work.md 的完整视频文稿整理而成。它不教"最新按钮怎么点"，而是拆开产品外壳，揭示 Claude Code、Cursor、Codex、OpenClaw 等几乎所有 AI Agent 共用的底层结构——位于中心的 LLM"大脑"与包裹其外的四个组件（身份 Identity、工具 Tools、技能 Skills、记忆 Memory），外加一个取决于使用者决策的信任（Trust）层级。读完本文，你将能看懂任何 Agent 产品的本质，掌握身份文件编写、工具权限收敛、技能与触发器搭建、记忆复利式沉淀的具体方法，并学会用四级信任模型为每个自动化任务设定安全边界。

为什么大多数人在错误地使用 AI Agent

大多数 Agent 教程只教最新的功能、最新的提示词和"该点哪个按钮"。如果你只学到这一层，你依然是在跟一个黑盒打交道：一旦产品改版，或者一个新的 Agent 发布，你又会重新迷失。

真正的问题是：多数人用不好 Agent，与技术能力无关，而在于没有理解它底层的结构。市场上几乎每个 Agent 产品——Claude Code、Cursor、Codex、Open Claw——底层结构都惊人的相似。只要你理解了这层结构，任何新工具上手都会立刻变得清晰。

这与仓库中 Agentic AI Crash Course 第 1 部分 的观点一致：今天的 Agent 并不是新的 AI 创新，而是围绕 AI 模型的工程化包装（engineering wrappers）。底层智能仍然来自模型本身，Agent 的作用是帮助模型去行动。

统一架构：大脑在中央，四个组件环绕

每一个 Agent 产品的内部结构都可以概括为：

• 中央：一个大型语言模型（LLM），如 Opus、Sonnet、GPT、Gemini 中的任意一个。它就是系统的"大脑"。
• 外围：把 LLM 变成 Agent 的包装层——永远是同样四样东西：Identity（身份）、Tools（工具）、Triggers（触发器）与 Skills（技能）、Memory（记忆）。
• 最后的第五项：Trust（信任），这一项不取决于 Agent，而完全取决于你。

这四加一的结构就是你的地图。而无论使用哪个 Agent 产品，地图上永远只有一个起点：组件一，身份。

在 Agentic AI Crash Course 第 3 部分 中有个更精炼的比喻：把 LLM 看作大脑，把工具看作手。没有工具，Agent 只会说话；有了工具，它才能行动。而身份、技能、记忆则决定了这双手与大脑如何为你一个人工作。

组件一：Identity——每次对话前必读的身份文件

为什么身份文件是全套配置中杠杆最高的文件

身份文件（Identity File）是 Agent 在每一次与你的对话开始前都会读取的文件。大多数用户从不花时间调整它，这直接体现在他们得到的输出质量上。每个产品给这个文件起的名字和结构不同（如 CLAUDE.md、persona 文件等），但做的事情完全一样。

一个直观的场景：刚用某个 Agent 时，每次对话你都要重新交代——公司做什么、团队有谁、不喜欢长段落、任务管理用 Linear、写作语气是什么、一份简报和一封邮件分别"好"的标准是什么。把这些写进一个文件之后，从下一次对话起，你不再需要重复解释，Agent 已经"认识"你了。它读这个文件的时机是：每一次对话、每一个技能、每一个任务、每一次聊天。你在文件里放的任何内容，都会改变 Agent 之后所有的表现。

这也是 Agentic AI Crash Course 强调"以现实问题为起点"的原因——身份文件本质上就是把"我是谁、我要解决什么问题、我希望怎样被协助"固化成可复用的上下文。

身份文件放在哪里

身份文件的位置在你实际工作所在的文件夹里。因此使用任何新 Agent 的第一步，就是把它指向你的工作文件夹——你存放项目、文档、笔记的地方。指向之后，Agent 会在每次交互前自动找到并读取身份文件。

把它想象成给新入职同事写的员工手册（employee playbook）：第一天就能让一个聪明的新人知道该知道的一切。

身份文件里写什么

第一部分：关于你的信息。 例如：

• 你的公司做什么
• 你的角色是什么
• 你当前在做的项目
• 你的团队成员名字（Agent 应该认识的人）
• 以上每一项只需几句话，够一个"第一天入职的聪明同事"理解即可

第二部分：你希望 Agent 如何为你工作。 例如：

• 永远不要使用 emoji
• 发送邮件前必须先获得我的批准
• 摘要控制在 200 字以内

本质上就是一组你的偏好。写作时注意两点：

1. 使用平实的英文/自然语言，不要用复杂的行话；
2. 保持极其精简。臃肿的身份文件比没有文件更糟，因为 Agent 会试图对里面每一条都采取行动。

身份文件不是一次性设置。随着 Agent 犯错、工作方式变化，你要持续调整它——它应该随着你的成长而进化。

专业技巧：不必从零手写。 在身份文件所在的工作文件夹里打开 Agent，直接对它说："我想设置你的身份以及我们协作的方式。请阅读我文件夹里的文档，了解我是谁、我在做什么，然后为我写一份初稿。" Agent 会从你的笔记、历史写作、项目简报中提取信息，生成一份基本可用的草稿。你需要逐行阅读、修改任何不像你的措辞、删掉所有泛泛而谈的内容——确保这份文件真正属于你。

组件二：Tools——连接外部世界，但必须收紧作用域

一个真实事故：全写权限的代价

作者在一次与大型科技公司 CEO 的会议中，对方发现 Agent 给客户发送了一封包含绝不该离开公司的信息的邮件。排查后原因很简单：他在第一天就给了 Agent 邮箱的完整写权限（full write access）。

几乎没有人意识到：每个你连接给 Agent 的工具都带有"作用域（scopes）"概念。大多数人根本不看作用域，直接点"连接"就完事了。但每个工具都有设置，控制 Agent 能读什么、能写什么、能发送什么。

在 Claude 中连接 Gmail 时你会看到什么

以连接 Gmail 为例，连接界面上会直接出现三个选项，决定 Agent 对该工具的权限范围。这三项设置就在你面前，但几乎没人注意。正确做法是：每连接一个工具就立即收紧作用域，默认设为"只读（read-only）"或"每次操作先问我（ask me first）"，直到你观察 Agent 在该工具上的行为足够久、足够信任为止。

先连哪三个工具

最先连接的工具应该是你真实工作发生的三个地方，对大多数人来说就是：

1. 邮箱（Email）
2. 日历（Calendar）
3. 任务系统（Task system）——如 Linear、Jira 等

用正确的作用域连接这三件套，其余工具先跳过，直到某个具体任务确实需要时再接。

这与 Agentic AI Crash Course 第 3 部分 中的核心观点完全呼应：工具把 LLM 从"只会说"变成"能做事"，但同时你定义什么被暴露，LLM 就不能做你注册工具之外的事——作用域就是你控制风险的手柄。工具调用（tool use / function calling）的机制是：LLM 不直接返回文本，而是输出结构化指令（如 send_email(to=..., content=...)、get_order_status(order_id=...)），由系统解析并执行，结果再回传给 LLM 形成"推理—行动—反思"的循环。你赋予的工具元数据（名称、描述、输入参数、输出结构）决定了模型能否正确选择与调用它们。

组件三：Skills 与 Triggers——把重复工作写成配方

为什么你需要技能

当你开始用 Agent 处理工作——查今天的会议、研究要见的人、起草简报——你会发现自己反复提出同一类请求，但每次返回的结果都略有不同：格式不同、章节不同、有时还漏掉你真正想要的部分。原因很简单：每次 Agent 都在猜你心目中的"成品"长什么样。

技能（Skill）就是解决办法：把你对某类任务的"成品标准"写下来，让 Agent 停止猜测。这是让 Agent 从"偶尔有用"跃迁到"离不开"的关键一步。

实战案例：meeting prep 技能的三个组成部分

以作者的"会议准备（meeting prep）"技能为例，它包含三个部分：

Part 1：输入（Input）——Agent 完成任务所需的东西。 例如：我的日历、我对这些人的笔记、甚至网络搜索。

Part 2：过程（Process）——Agent 完成任务的步骤。 例如：拉取今天日历上所有有会议的人 → 研究他们当前在做什么 → 找到他们最近发布的内容 → 为每次会议格式化成单页简报。

Part 3：硬性规则（Hard rules）——技能绝不能做的事。 例如：绝不包含内部线程中的机密信息；每人简报绝不超过一页。

有了稳定产出之后，就可以进入真正的杀手锏：触发器（Trigger）。作者的 meeting prep 技能使用定时触发器——每天早上 6:00，简报已经在等着他打开电脑。

用自然对话让 Agent 帮你搭建技能

和身份文件一样，技能与触发器也不必从零手写。假设你想建一个简单的每日简报技能，可以直接这样对 Agent 说：

输入应该来自这些网站、这个笔记文件夹和我的日历。这是我想要简报呈现的样子（粘贴你的格式模板）。硬性规则：控制在 300 字以内、按项目分组、绝不包含我标记为已完成的事项。最后，请调度一个触发器：跑通之后，每天早上 7:00 运行它，并把输出保存到我的 Notion 每日简报页面。

Agent 会帮你写好技能文件、设置触发器并开始运行。而且运行越久，它对你的标准越熟悉。这里同样可以引申 Agentic AI Crash Course 第 3 部分 的提醒：为让 LLM 能使用一个工具/技能，你通常需要定义它的名称、描述、输入参数（及类型）与输出结构——技能的 Input/Process/Hard rules 三段式，本质上就是这套元数据的人话版本，结构化输入与输出正是 Agent 循环"稳健、可追踪、可生产"的关键。

组件四：Memory——让 Agent 每周变得更聪明的复利

超出身份文件的隐性学习

除了开头的身份文件，Agent 还会学到大量其他关于你的信息：比如你不喜欢夸张的表达、你偏好从 Hugging Face 读 AI 新闻、每个项目的状态与进度——这些都没有写进身份文件，而是 Agent 在对话过程中逐渐拾取的。

记忆是让 Agent 每周变得更锋利的组件。但这里有一个很少人知道的关键点：

Agent 的记忆只有在"你愿意沟通"时才会复利增长。

如何喂给 Agent 记忆

当 Agent 做得不对时，要非常具体地说明你为什么不喜欢：

• "你的摘要太长了。我的摘要总是希望控制在 300 字以内。"
• "你给客户写的那封邮件语气不对。给我客户写邮件时，永远记得使用得体外交、专业的语气。"

专业技巧：使用"记住（remember）"这个词。 当你希望某条反馈被长期保存时，明确说"下次记住这么做"或"从现在起，记住我不要在你起草的任何邮件回复里使用 emoji"。大多数 Agent 被训练为将"remember"当作"这条信息应永久存入记忆"的信号——这几乎是在给 Agent 一个显式指令，把"可能记住"提升为"确定记住"。

行为层面的转变是：像带教一位还在向你学习的新同事一样和 Agent 对话。做得不对时给出具体反馈，做得对时也明确告诉它"记住这一点"。你越沟通，Agent 随时间变得越好。

这与 Agentic AI Crash Course 第 7 部分 的记忆架构完全吻合：LLM 本质上是无状态（stateless）的，每条输入都被独立处理，除非你主动把记忆架构进系统。工程上通常分两类——短期记忆（单次会话的对话历史、用过的工具、检索过的文档，需要裁剪过期消息、总结要点、过滤无关内容）与长期记忆（跨会话、跨天跨周甚至永久，包括语义记忆"用户偏好"、情景记忆"已经做过什么"、程序记忆"如何执行"）。你"告诉它记住"，就是在为长期记忆写入一条结构化事实；你给出具体反馈，就是在为程序记忆补充规则。

Bonus：四级信任模型——唯一取决于你的决策

同一个技能，完全不同的风险

回到前面的每日简报技能，想象两个版本：

• 版本一：简报每天早上 7:00 落到你的收件箱。你打开扫一眼，有点小偏差也无所谓，事后改一下就行。
• 版本二：你要同一个 Agent 把每日简报发给团队每个人，让大家对齐进度。此时风险完全不同——如果 Agent 不小心夹带了你的个人细节、机密信息，或者本不该对全团队公开的内容，这个错误无法挽回。

同样是技能，风险天差地别。第一个可以自主运行，第二个在初期绝不应该脱离你的逐行审阅。

四级信任阶梯

你可以为任何技能设定四级信任中的一级：

级别	名称	含义
最低	Own（自己做）	你自己完成所有工作，最多与 Agent 聊聊，任务执行中不涉及 Agent
	Consult（咨询）	Agent 给你选项，你选一个，然后 Agent 去执行
	Augment（增强）	Agent 为你起草，但未经你专门审阅并给出绿灯信号前不发送
最高	Automate（自动化）	Agent 直接执行，输出发往你指定的地方，你不在循环中

每个技能都落在其中某一级。建立并启动一个技能之前，先问自己：

"如果它出错了，真正会坏掉的是什么？"

如果答案是"没什么大事"，你可以放心自动化；如果答案是"一段关系、一桩交易、或者我的信誉"，那么在 Agent 与你建立信任之前，你应当坚定地留在循环内。这与 Agentic AI Crash Course 第 1 部分 提出的**自主性 vs 控制（Autonomy vs Control）**权衡一脉相承：给 Agent 多少自主权、你在人侧保留多少控制，不是一刀切的决策，而是依问题而定的上下文判断。

另外提醒：你可以从网上下载别人发布的技能，但安装前务必通读这个技能到底在做什么——它可能包含你不希望 Agent 拥有的权限或行为。

全景图与本周行动清单

把整套结构收拢成一张地图：

• Identity：给 Agent 一本工作手册（playbook）。
• Tools：连接外部世界，但务必收紧 scopes。
• Skills：像"菜谱"一样、通过与 Agent 对话构建；Triggers 决定技能何时触发。
• Memory：连接一切的粘合层，让 Agent 随时间变得更锋利——但需要你持续沟通。
• Trust：唯一由你拍板的决策。

产品的名字会不断变化、界面会不断翻新，但底层永远是同一套结构：中央的大脑，环绕的四组件，以及需要你做出的信任判断。这也正是 topics/agents.md 将"会规划、会用工具、持有记忆、能协调"定义为 Agent 核心能力的依据，并推荐 Agentic AI Crash Course 作为从概念到实现的系统进阶路线。

本周可以立刻执行的行动清单：

1. 把你的 Agent 指向工作文件夹，让它基于你现有的笔记与文档起草身份文件初稿，然后逐行改成"你的版本"；
2. 连接邮箱、日历、任务系统三件套，把每个工具的作用域收紧为只读或"先问我"；
3. 挑一个你反复在做、但输出总不一致的任务，按 Input / Process / Hard rules 三段式写成技能，并加一个定时触发器；
4. 从今天起，在给 Agent 的反馈中使用"记住（remember）"这个词，并确保反馈具体到"哪里不对、标准是什么"；
5. 对每个技能回答"如果出错，真正会坏掉的是什么"，据此设定 Own / Consult / Augment / Automate 四级信任。

最根本的一课是：别再追逐下一个 Agent，而是成为那种"换任何一个 Agent 都能用得顺手"的操盘手。