動手實戰 · 你現在能做什麼
讓它從「會說」變成「會做」：接上第一個工具
M1 立住之後，你手上是一個很會說話的 AI。但 Alice 那 132 個工具的故事你也看完了。Agent 和聊天機器人的分水嶺，就是第一個真正被執行的工具。這一步不需要 132 個，需要 1 個。
實戰主線第三格：說得穩了，現在給它接上手腳。
M0
想清楚它替你幹什麼
M1
能穩定說人話
M2
能動手幹活
M3
改好改壞能量化
M4
長跑不失憶
M5
過程可復現
先看清楚 · 一次工具呼叫的完整迴路
「接工具」聽起來是技術活，其實鏈路只有四段，而且模型全程沒有執行任何東西，它只是開口要，真正動手的是框架。看懂這四段，你就知道出問題該查哪一段。
從模型開口到結果回喂
01
模型開口要
輸出一段 JSON：調哪個工具、參數是什麼
02
框架校驗參數
格式對不對、值合不合法，不合法就打回重來
03
真實執行
查資料庫、發請求、寫檔案，這一步才碰真實世界
04
結果回喂
執行結果塞回對話，模型消化後才說人話
四段走完，使用者看到的那一條回覆背後是一整圈迴圈
四段走完才叫一圈。最容易被忘掉的是第四段：工具結果必須回餵給模型再組織成人話，否則使用者看到的是一坨原始 JSON。
第一個工具怎麼挑
三個標準，一個都別讓：高頻（你的場景裡幾乎每次都用得上）、低風險（只讀優先，查天氣、搜文件都比發郵件安全）、輸入輸出清楚（參數兩三個，返回結構固定）。這一章講過工具描述的學問：同樣的功能，好描述和壞描述的呼叫成功率差三倍，所以挑好之後，先把描述寫明白再談接入。
動手清單 · 挑一個開始，勾掉它
這一章的動手清單
0 / 3 已完成
選定第一個工具
15 分鐘 所有人照著上面三個標準（高頻、低風險、輸入輸出清楚），從你的場景裡挑出第一個工具，寫下：工具名、一句話功能、兩三個參數分別是什麼。挑不出來就選「搜尋我的某某資料」，它幾乎適配所有場景。
什麼算做完了
三個標準逐條自查都過，且你能說出：這個工具如果執行錯了，最壞後果是什麼（低風險工具的答案應該是「沒什麼大不了」）。
把工具描述寫成三行
1 小時 想讓它調得準第一行：什麼時候該用這個工具（也寫清什麼時候不該用）；第二行：每個參數的含義、格式和示例值；第三行：返回什麼、拿到之後該怎麼用。寫完拿「一次對話背後的 5 條訊息」那節課的視角自查：模型只憑這三行字決定怎麼調，它看不到你的程式碼。
什麼算做完了
把描述發給一個沒看過你程式碼的人，他能正確說出「什麼情況下會用這個工具、傳什麼參數」。他說不出來，模型也調不準。
跑通一次完整迴路
半天 準備真做一個用你順手的平臺（Coze、Dify、Cursor，或直接寫程式碼）把這個工具真接上，問一個必須用到它的問題，看四段鏈路走完。然後故意搞破壞：問一個參數含糊的問題，看它卡在哪一段、給使用者什麼回饋。這一章講的 Agent 卡死五種模式，你至少要親眼見到一種。
什麼算做完了
正常問題四段全通、答案是人話不是 JSON；破壞性問題你能指出「卡在第幾段、為什麼」。兩條都做到，M2 就立住了。