一个 Agent 的四件套：画界面、找帮手、查数据、守规矩

一个 Agent 的四件套：画界面、找帮手、查数据、守规矩

在线体验：http://117.72.72.215:5210

四件事分别对应 A2UI、A2A、MCP，以及托着它们的那一圈 Harness。

---

这个 Demo 最早只想验证一件事：界面能不能不写。

做着做着发现，光「不写界面」没多大意思。你说「帮我下单一台手机」，光给一张能点的卡片不够，得有人真去建单、算钱、拦住不该做的操作。再往后，订单不在主站里，投诉数据也不在主站里，这些活怎么分出去、结果怎么收回来，才是麻烦的地方。

现在这里装的就是四样：画界面、找帮手、查数据，外加兜住这三样的一圈东西。

十分钟能亲手验证五件事：

你说	屏幕上发生什么
帮我做一份「新品满意度调研」问卷	生成一张可填写的表单，提交后入库
我要吃披萨	另一个服务返回菜单卡片，能选规格、加购物车、下单
帮我下单一台星穹 X50 Pro 手机，单价 3999，买 1 台	生成订单确认卡，确认后出订单号，可支付
查一下订单 SO202505180003，然后取消它	护栏拒绝，模型改口说「这单已支付，得先退款」
分析一下投诉数据	生成饼图和结论，五个类型加起来正好 500 条

一个主站 Agent，三条对外的通道：

A2UI ─ 往「界面」走：组件树 → 浏览器渲染 → 你点/填 → 意图回传
A2A  ─ 往「别的 Agent」走：名片发现 → 委托 → 结果 + 组件树
MCP  ─ 往「数据」走：三个只读工具 → 独立问数进程 → 结果集

这三条通道，共用外面同一圈东西：
上下文 · 工具 · 循环 · 护栏 · 记忆 · 观测 ------ 这一圈叫 Harness

三条通道加这一圈，就是标题说的四件套。下面一件件拆，每件都会说清楚到界面上哪里能看见，最后给一份能照着点的操作路径。

两句提醒。第一次进去要填自己的模型 API Key，服务端不存别人的密钥，也不会偷偷回退到某个默认模型。另外这是公开演示环境，订单、投诉、手机号全是假数据，别填真实的敏感信息。

---

一、先玩起来

五分钟能走完的动线是这样：

打开  http://117.72.72.215:5210
  │
  ▼
左下角「⚙ 设置」
  │
  ▼
「模型配置」 → 「＋ 新增模型」
  │
  ▼
填：模型 / 服务地址 / API Key
  │
  ▼
勾「启用」+ 「设为使用中」 → 保存
  │
  ▼
「← 返回对话」
  │
  ▼
说一句话（或点一个快捷按钮）
  │
  ▼
对话区出界面 · 右栏出轨迹

打开页面

用 Chrome 或 Edge，窗口拉到 1200px 以上。窄屏也能用，右侧面板会收成抽屉。

页面分三栏：

┌─────────┬──────────────────────────┬──────────────┐
│ 会话列表 │  对话区                   │ A2UI 消息流   │
│ ＋新会话 │  （界面在这里被画出来）     │ 运行轨迹      │
│         │                          │              │
│ ⚙ 设置   │  [输入框]        [发送]    │              │
└─────────┴──────────────────────────┴──────────────┘

左栏是会话列表，「＋ 新会话」会另起一段互不干扰的上下文，后面验证记忆就靠它。中间是对话区，所有界面都渲染在这儿。右栏两个页签：一个是模型真正发出去的 A2UI 消息，一个是它每一步在干什么，调了哪个模型、哪个工具、有没有被护栏拦下、有没有在等你审批。

右栏建议一直开着。这个 Demo 有意思的东西基本都在那一栏，不在对话区。

配一个模型

首次进入，中间会提示「当前身份还没有可用的模型」。不是坏了，是故意的：模型和密钥按人隔离，你没配就是没有，系统不会拿别人的凑数。

1. 点左下角「⚙ 设置」
2. 左栏选「模型配置」，右上角「＋ 新增模型」
3. 弹窗里填三样：
   • 模型：输入框有下拉建议，选中会自动带出服务地址。例如 deepseek-flash
   • 服务地址：比如 https://api.deepseek.com/v1，任何 OpenAI 兼容端点都行
   • API Key：你自己的密钥
4. 勾上「启用（可用池）」和「设为使用中」，保存
5. 点右上角「← 返回对话」

回到首页，顶部「模型」那格会变成你刚配的模型名。

配的时候有几个细节值得留意。密钥保存后只显示掩码，编辑时留空就沿用原值，不会再吐给你一次，也不写日志。启用和使用中是两回事：启用表示这个模型能用，可以同时开好几个；使用中只有一个，决定此刻真正调谁。停掉正在用的那个，系统会把最近更新的另一个启用模型顶上来，不会让你掉进没有模型的空档。换模型也不清历史，历史按身份存，换的只是此后调用的模型。

想登录的话，别找右上角，那儿没有登录入口。直接跟它说「我要登录」，它会画一张登录卡片。手机号随便填，验证码会直接显示在界面上------没接短信通道，只能这么模拟，别当真。

登录只多两样东西：换浏览器、换设备之后配置和记忆能跟着走；以及有些事必须登录才能做，后面 A2A 那节会用到。

五个快捷按钮

输入框上方有一排：满意度问卷、团建报名表、下单手机、查单并取消、投诉分析。悬停能看到完整句子，点一下直接发出去。

接下来几节的入口，就是这五个按钮。

---

二、A2UI：界面是模型画的

你会看到

点「满意度问卷」。屏幕上出现的不是一段「好的，以下是一份问卷......」的文字，是一张能填的表单：单选、评分、文本框、提交按钮，间距和对齐都正常。

填完提交，它说已保存。

再点「团建报名表」，出来的是另一张表：姓名、手机号、日期、饮食忌口、报名人数。字段全换了一套，样式还是那套。

同一个页面，两张表，没有刷新，没有跳转，也没有为这两张表各写一个页面。

模型交出来的不是 HTML

它交的是一段声明式的结构：这里放一个 Column，第一个子节点是 Text，内容是这个问题，第二个是 ChoicePicker，绑定数据模型里的 q1，给三个选项，最后放一个 Button，点了回传 submit。

落到纸面上，一屏问卷就是一棵树：

Column
 ├─ Text          "新品满意度调研"
 ├─ Text          "你最喜欢哪一点？"
 ├─ ChoicePicker  ← 绑定 q1 · 三个选项
 ├─ Rating        ← 绑定 q2 · 1~5 星
 ├─ TextField     ← 绑定 q3 · 多行
 └─ Button        "提交" · 点击回传 submit

数据模型：{ q1: "", q2: 0, q3: "" }

就这棵树，加一份初始数据。没有一行 HTML，也没有一句脚本。

前端拿到它，用一套组件白名单渲染成界面。白名单现在有 22 个组件，文本、输入框、选择器、评分、滑块、上传、表格、图表、标签页、手风琴这些。结构和数据是分开的，结构说长什么样，数据模型存填了什么，所以改一个选项不会把整棵树重建一遍。

能验证的三件事

开右栏的「A2UI 消息流」，再发一次问卷请求，会看到一条条结构化消息滚出来。组件类型、层级、绑定字段都在里面，对着中间已经渲染好的表单，能一条条对上。这是最直接的证据。

还有一件事稍微绕，但我觉得是这套设计里最关键的一处。问卷的字段确实是模型想的：你说要调研新品满意度，它得自己决定问什么。可它不会把这些字段直接画出来。它先把字段定义提交给服务端注册，服务端登记完回一个表单名，模型再拿这个名字去取字段，取回来的就是刚注册的那一份。

所以我隔几分钟让它「把刚才那份问卷再给我看看」，字段顺序、选项、必填标记全都一样。一致性不靠模型记住，靠服务端那份登记。

另一类表单反过来。投诉、培训反馈、登录，字段本来就是服务端定死的，模型连设计权都没有，只能决定怎么摆。两类表单的共同点是，提交时的校验永远在服务端，未知字段和越界值在落库前就被拦掉了。

最后一件事，闲聊不生成界面。你跟它说今天心情不错，它就正常聊两句，什么都不画。生成界面是能力，不是默认动作。这条边界挺重要，后面还会提。

跟现在主流做法比一比

市面上做 Agent 的产品，交互形态大致落在五种里，越往下越少见：

做法	界面从哪来	用户能做什么	新增一种业务要改什么
① 纯文本 / Markdown 回复（通用助手都这样）	人写死的聊天气泡	只能读；要操作得自己去找入口	改提示词，可操作仍然没地方放
② 文本 + 预置卡片模板（企微/飞书机器人卡片）	开发者事先定义的少数模板	点模板里那几个按钮	客户端发版 + 服务端改模板
③ 工具调用 → 前端 switch 渲染（如 Vercel AI SDK 那类）	前端代码里写死的组件映射	用被映射过的那几种组件	加一个组件就要前端发版
④ 模型直接产出 HTML / 页面片段（「AI 生成网页」的玩法）	模型自己写的 HTML	理论上什么都能做	不用改前端，但样式与安全不可控
⑤ A2UI：模型产出组件树，渲染器按白名单渲染（本项目）	白名单里的组件，模型自由组合	填、选、点、提交，意图回传	加一份能力 + 一份规则，通常不动前端

最后一行是我在这个 Demo 里用的。它跟前四行的区别不在「有没有界面」，在三个地方。

一个是结构谁定。前三种结构都是人定的，模型只能在既定格子里填字；第四种完全交给模型，也就完全失控；最后一种让模型定结构、白名单划边界，结构自由，词汇受限。

再一个是组件集合封不封闭。封闭才管得住。第四种在很多团队活不下来，不是因为不好看，是模型每次产出的 HTML 都不一样，样式漂、埋点失效、手机端错位、XSS 面全开，最后没人敢上线。A2UI 只让模型说「放一个 ChoicePicker，绑 q1，三个选项」，至于这个控件长什么样、怎么校验、窄屏怎么折，全在渲染器里，改一次全体受益。

最实际的还是第三个：新增一个业务要动多少地方。第一种改提示词，可操作还是没地方放；第二、三种要发版；第四种没法预估；最后一种通常就是加一份能力和一份规则。

落到体验上就一句话，文本方式得问你八轮，界面一屏填完。

拿团建报名试。姓名、手机号、日期、忌口、人数，纯文本的 Agent 只能一个个问，你答到第五个已经忘了第一个填的是什么。这里五个字段摆在一屏，必填、格式、日期范围当场校验，点提交，它回一句已保存。

常见方式：  模型 ──→ 一段文本 ──→ 人读完 ──→ 自己去找入口操作 ──→ （对话中断）

A2UI：      模型 ──→ 组件树 ──→ 人直接在界面上填/选/点 ──→ 意图回传 ──→ 模型继续

上面那条是一问一答，下面那条一个回合能办完一件事。

那为什么大多数产品还停在第一种？便宜、稳、通用。纯文本不用设计系统，不用前端配合，渲染出错也不至于卡住业务。二三种是折中，用有限模板换可控。第四种看着最自由，维护起来最难受。A2UI 想解的是二三种的天花板：模板不够用了，又不愿意放弃可控。

有一点得说清楚，A2UI 不打算取代对话。你问今天心情不错，它照样只回文字。只有需要结构化输入、或者需要你做决定的时候，界面才出来。这条线守不住，聊天框会变成弹窗地狱。

换来了什么

原来界面是人写的，模型只往界面里填内容。业务变一次得改两处，提示词和前端。改动面翻倍，这两拨人还常常不在同一个迭代里。

界面这层也交给模型之后，变的是成本曲线。前几个业务照样得按部就班，白名单、设计系统、校验规则一样要先建起来。但从某个点开始，每多一个业务便宜得很快。这个 Demo 里四张表------问卷、投诉、登录、培训反馈------形态差得很远，共用一套渲染器，没有一张是单独做的页面。

真省的是第十个业务的成本，第一个业务一分都省不掉。

---

三、A2A：一个 Agent 把活交给另一个

你会看到

打「我要吃披萨」。

回来的不是一段菜单文字，是一张菜品卡：分类、菜名、价格、规格（9 寸 / 12 寸）、数量加减、加入购物车。选规格加购，购物车卡出来；提交，订单号回来；再问「到哪了」，配送进度卡出来。

这些都不是主站干的。

三个服务，一张名片

系统里跑着三个独立的 Agent 服务：

服务	负责什么	触发词举例
主站 Agent	对话、生成界面、数据分析	默认入口
订单 Agent	下单、查询、支付、取消、退款、退货、收货、客服工单	下单、查订单、退款、报修
订餐 Agent	菜单、规格价格、加购下单、配送进度	想吃披萨、来一份、到哪了

它们之间不走函数调用，走 A2A。每个服务对外发一张名片，写着：我叫什么、干什么；有哪几个技能，各自解决什么问题；每个技能大概会被怎么说；要不要登录。

主站启动时把名片收回来，按触发词决定这句话自己答还是转出去。转的时候把意图和上下文一起带过去，对方处理完，把结果连同要显示的界面一起交回来。

一次委托走完是这样：

你：我要吃披萨
  │
  ▼
主站 Agent ── ① 查名片：技能 / 触发词 / 是否需登录
  │            └ 需登录而你没登录 → 就地画登录卡，请求不出门
  │
  │  ② 命中「订餐 · 菜单」技能
  ▼
A2A SendMessage ── 意图 + 上下文 + 身份 + 该用哪个模型
  │
  ▼
订餐 Agent ── ③ 规划：查菜单 → 定规格 → 组卡片
  │
  ▼
回传：一句话 + 一棵组件树
  │
  ▼
主站渲染 → 你看到菜单

还有个细节，连「这次该用哪个模型」都一起带过去了。远端不留密钥，按请求里的连接参数现建客户端。你在设置页换个模型，远端立刻跟着换，不用重启任何服务。

上手试一试

说「我要吃披萨」和说「帮我下单一台手机」，卡片风格近似，业务完全不同。右栏轨迹里能看到「委托到外部 Agent」这一步，两个业务的代码、数据、状态机都不在主站。

路由是按技能走的，不是拿关键词硬匹配。换几种说法试试：「有什么小吃」落到菜单技能，「加购物车」落到下单，「还有多久到」落到配送，「我要退款」转给订单 Agent。

一句话里塞多个意图也行。「查一下订单 SO202505180003，然后取消它」，它会先查、看到状态、再决定取消还是退款。这一段不是代码写死的分支，是它自己排的顺序。

最值得试的是权限。不登录，说「帮我下单一台手机」，它画一张登录卡出来，因为订单技能的名片上写了「需要已认证」。登录成功后刚才那句话会自动重发，不用你再打一遍。同样不登录，说「帮我提交一个工单：会议室投影仪坏了」，直接就走了，工单技能没写这条要求。

同一个服务，两个技能，两种权限。依据在名片上，调用方在委托之前就拦下来，请求根本没发出去。

为什么值得拆

能力能拆出去独立部署、独立演进、独立限流。主站不用知道订单库长什么样，只要知道有这么个技能、这么触发、要不要登录。

另一条路是把几十个工具全塞给一个模型。工具一多，选错的概率就上去了；按名片分区，等于给模型一张地图，而不是一堆散装按钮。

---

四、MCP：让模型自己取数，只能看不能改

先问一句试试

点「投诉分析」，或者直接说「分析一下投诉数据」。

回来的是一段结论加一张饼图，下面可能还有明细表。数字能核对：库里一共 500 条投诉，五个类型（商品质量 147、物流配送 131、退款问题 88、服务态度 87、其他 47）加起来正好 500。

再追问几句，看它换维度。「各渠道投诉量对比」出柱状图，「处理时长最长的 5 条」出明细表，「最近 30 天呢」它会把时间条件加上，条数变少。

一个只读的问数进程

主站会拉起一个独立的问数进程，两者之间用 MCP 通信。这个进程只暴露三个工具：

工具	作用
列出所有表	让模型知道库里有什么
看某张表的结构	字段名、类型，模型据此写查询
执行只读查询	只放行 SELECT，其它一律拒绝

流程就是：模型先看表结构，自己写一句 SQL，交给进程执行，拿回结果集，再把数字讲成人话、挑一种图。

你问：投诉都集中在哪些类型
  │
  ▼
主站 Agent ── 工具① 有哪些表
           ── 工具② 这张表什么结构
           ── 工具③ 执行一句 SELECT（模型自己写的）
  │
  ▼
问数进程 ── 只读连接 ──▶ complaints.db ──▶ 结果集
  │
  ▼
模型：把数字讲成人话 + 挑一种图 → 组件树

这条链上模型始终没看到数据库连接，也没看到全表。它看到的是表结构，和这一次查询的结果。

怎么确认它没糊弄你

SQL 是模型写的，不是预先做好的报表。问一个没人准备过的问题：「哪个城市的重复投诉最多」「处理时长和满意度有没有关系」「把处理中的投诉按城市列出来」。它能自己组合维度、排序、聚合，说明查询是现场生成的。

它只能读。你可以故意为难它：「把已完成的投诉都删掉」「帮我改一下这条投诉的状态」。它会明确告诉你做不到。不是模型不肯，是工具层根本没有这个能力，服务端只放行读语句，数据库连接本身就是只读模式。

数字来自结果集，不是模型编的。图表上的数值和明细表对得上，明细表和「一共多少条」对得上。这条纪律比较要紧：让模型算数，它迟早会算错；让数据库算，它只负责转述。

为什么绕这一圈

MCP 解的是 N 个模型乘 M 个数据源的重复接线。数据不出库，连接串不进模型上下文，换个库只要换个服务，Agent 侧看到的永远是同样三个工具。

它还顺手把安全边界画清楚了。能力的边界就是工具的边界，不给删除工具，就不存在「模型被诱导去删数据」这回事。

---

五、串起来：一次下单，谁在干活

把上面三件事拼起来，就是一次完整的业务流程。用「帮我下单一台星穹 X50 Pro 手机，单价 3999，买 1 台」举例：

你：一句话
 │
 ├─ 主站 Agent 判断意图 ── 这是订单业务，不是我自己的活
 │      │（依据：订单 Agent 名片上的技能与触发词）
 │      ▼
 ├─ A2A 委托 ──────────── 把请求交给订单 Agent（另一个进程）
 │      │
 │      ▼
 │   订单 Agent 决定先建草稿 → 调工具建草稿
 │      │（护栏：数量、单价、状态、幂等，一律服务端判）
 │      ▼
 │   返回一张「订单确认」界面描述
 │      │
 ├─ A2UI 渲染 ─────────── 主站把界面描述转给前端，你看到卡片
 │
 ├─ 你点「确认下单」 ──── 界面把意图回传（不是你打的字，是按钮的意图）
 │      ▼
 │   订单 Agent 落单 → 订单号由服务端生成 → 新界面（状态变了，按钮也变了）
 │
 └─ 右侧「运行轨迹」────── 上面每一步都留痕：模型调用、工具调用、护栏、审批

每一步都能在界面上找到证据：

步骤	在哪看
意图判定与委托	右侧「运行轨迹」里的模型调用与工具调用
界面生成	右侧「A2UI 消息流」里的组件树
护栏拦截	轨迹里的拦截记录 + 卡片上的一句话说明
人工审批	支付这类高风险动作会弹确认，不点就不执行

订单卡片上的按钮，是按状态算出来的。待确认时只有「确认下单」和「取消订单」；待支付时变成「去支付」和「取消订单」；已支付之后，「取消订单」这个按钮消失了，换成「申请退货」。

那这时候在对话里说「取消订单」会怎样？护栏会拒绝，并附一句「尚有已支付金额，需先退款，退款成功后再取消」。模型读到这句，就自己去调退款，退完再取消。整个过程里你已经看不到「取消」按钮了，但流程照样能走完，因为按钮只是入口，不是能力的全部。

还有一个更细的设计：退款这个动作本身不做成按钮。它是补偿动作，属于「Agent 在编排中自己决定要不要调」的那一类，不该让用户随手点。所以你翻遍界面也找不到「退款」按钮，但需要它的时候，它一定会发生。

---

六、再往下一层：Harness

一次提问，模型被叫了好几次

问「查一下订单 SO202505180003，然后取消它」，右栏会滚出一长串：模型调用、工具调用、模型调用、护栏拦截、模型调用。四五步。

它不是在跟你一问一答，是在跑一小段流程。

还有几个不太像聊天的现象。先说「我叫张三，在做电商运营」，开个新会话再问「我是谁」，登录状态下它答得上来；已支付的订单它明确拒绝直接取消，还告诉你得先退款；聊十几轮也不崩，前面说过的没丢；每一步都有耗时、有 token、有成功失败。

这些都不是模型的本事。

模型只做一件事

Agent 等于模型加 Harness。

模型干的活只有一件：看着当前上下文，决定下一步是说话还是调工具。它是无状态的，每次调用都从零开始读一遍再想。

Harness 是模型外面的一切：给它看什么、允许它做什么、能走几步、做错了怎么拦、做完记在哪。

一次对话在 Harness 里转一圈是这样：

① 装配上下文
   │  系统提示 + 技能说明 + 工具清单 + 最近 N 轮 + 你的画像
   ▼
② 模型：下一步做什么？
   │
   ├── 只是回答 ──────────────────────▶ ⑥ 输出，结束
   │
   └── 要调工具
         │
         ▼
     ③ 护栏：允许吗？金额对吗？要审批吗？
         │          └ 不许 → 把原因写回上下文（不是弹个错误框）
         ▼
     ④ 执行：A2A 委托 / MCP 查询 / 表单入库 / 建草稿
         │
         ▼
     ⑤ 结果进上下文 ──▶ 回到 ②（可能循环好几轮）

第 ③ 步那条分支值得看一眼。被拒绝不是终点，是把原因交回给模型，让它改计划。护栏和报错的分界就在这儿：前者让流程继续，后者让人重来。

这套东西在这个 Demo 里被拆成八件事，每一件都能在界面上找到证据：

部件	干什么	你能在哪看到
上下文装配	每一轮重新拼「该让它看到的」	老会话里它记得上一轮，新会话里不记得
工具	它能做的动作	轨迹里的工具调用条目
循环控制	一次提问允许走几步、什么时候收口	轨迹里模型调用不止一次
护栏	状态机、金额、幂等、权限，一律服务端判	说「取消已支付订单」被拒
审批	高风险动作要人点头	支付前的确认卡
记忆	跨轮、跨会话记住	新会话里它说出你的职业
摘要	上下文快满时压缩	聊十几轮后仍然正常
观测	每步留痕：模型、工具、耗时、token	右栏「运行轨迹」

能验证的

数一下轨迹里的模型调用次数。说「查一下订单 SO202505180003，取消它，然后重新下一台同款」，动作越多，轮次越多。控这个循环的是 Harness，不是模型一口气说完。

换个模型试试（进阶玩法第 4 条）。措辞会变，工具调用次数可能变，但「已支付不能直接取消」「金额不能乱来」「同一单不会扣两次钱」一条不少。反过来，同一个模型接到别的产品里，这些规矩一条都不会自己长出来。

上下文是拼出来的，不是攒出来的。同一个问题问三次：老会话里问一次，新会话里问一次，登录后的新会话再问一次。答案的差别，就是每次拼进去的东西不同。它并没有记住一切，它每次只拿该拿的那部分。

流程 Agent 化有四层

这也是这个 Demo 最想验证的东西：下一步做什么，是模型规划的，不是 if-else 写死的。

层级	谁决定下一步	长什么样
L0	代码	传统工单系统：状态机写死，加一个分支改一次代码
L1	人点，Agent 只生成界面	只用了 A2UI 的那一半
L2	模型规划，代码提供原子能力	下单、退款、订餐：调哪个工具、什么顺序，模型自己排
L3	策略写在文档里	改一份规则文档就改业务，不用发版

这个 Demo 的订单和订餐站在 L2，少数规则放在 L3。比如「信息齐了不等于用户点头了，必须明确说下单、或者点了按钮，才执行」------这条写在提示词里，不在代码的分支里。

差距在这一圈

抱怨 Agent 不好用的人不少，落到具体原因上，很少是模型不够聪明。工具描述写得含糊，它就选错工具；上下文一股脑全塞，它抓不住重点；没有护栏，它会很热情地把不该做的事做了；没有观测，出了问题只能猜。

模型谁都调得到同一个。这一圈得自己长。

---

七、进阶玩法：把 Demo 当实验台

基础操作到这儿就差不多了。下面这些更能看出门道，建议挨个试。

1. 故意挑战护栏。

先下单，再支付，然后说「取消这个订单」。它会告诉你已支付不能直接取消，得先退款。接着问「那退款吧」，它走退款流程。整个过程里，模型在改计划，护栏在守边界，两件事同时发生。

2. 一句话塞三个动作。

「查一下订单 SO202505180003，取消它，然后重新下一台同款」。看它怎么拆步骤、哪一步被拦、拦了以后怎么解释。这是观察流程 Agent 化最直接的方式。

3. 中途改需求。

下单确认卡出来后，不说「确认」，说「改成 2 台，地址换成公司」。看它是新建一张卡还是改原来那张，状态和金额跟不跟着变。

4. 对比两个模型。

设置里再配一个模型，不勾「设为使用中」，然后切过去问同一个问题。界面长得可能不一样，轨迹里的工具调用次数也可能不一样。同一套 Harness、不同的大脑，差异就露出来了。

5. 看它记不记得你。

先告诉它「我叫张三，在做电商运营，以后报价按含税算」，聊两句。点左栏「＋ 新会话」，问「我是谁、我做什么的」。登录状态下它应该记得；不登录只在新会话里，它可能只记得这一段。

6. 把摘要阈值调小。

设置 → 摘要配置，把「什么时候开始压缩」调到一个很小的值，然后聊十几轮。看长对话里它怎么保住关键信息、丢掉废话。这个玩法比较费 token，但能直观看到上下文管理在做什么。

7. 让它自己解释自己。

问「你刚才为什么先查订单再退款，而不是直接取消」。它会把护栏返回的原因复述一遍。报错不是终点，是它下一步决策的输入。

---

八、我想听你的意见

这个 Demo 目前验证的是「业务流程能不能由 Agent 推理驱动」。答案是能，但边界还很粗。接下来往哪走，我更想听用过的人怎么说。

如果你已经点过一遍，麻烦回我几个问题，留言、评论、Issue 都行，一句话也可以：

1. 哪个场景让你觉得「这个思路对」？哪个让你觉得「还不如写死」？
   界面由模型生成，在什么业务上真省事，在什么业务上是负担？
2. 四个技术点里，你最想深入哪一个？
   A2UI、A2A、MCP，或者 Harness 这一圈。票数最高的那个，我可以做更细的可交互演示。
3. 你希望我优先加哪种「好玩」？
   • 多 Agent 协作完成一件复杂事（订餐 + 报销 + 通知，三个 Agent 接力）
   • 让 Agent 自己改自己的工作流（在界面上编辑策略，立刻生效）
   • 「它为什么这么干」可视化（点轨迹里某一步，展开判断依据）
   • 记忆可视化（一个面板看它到底记住了我什么）
   • 语音全链路（说完直接出界面）
4. 有没有你踩过的 Agent 落地问题，想让我做成可复现的案例？
   比如工具选错、循环调用、金额算错、权限越界、多轮串味。我倾向于把真实故障做成可交互的对照实验，而不是只写文章。
5. 你更想看哪种内容？
   协议原理拆解、业务流程设计、评测与可观测、成本与延迟优化。
6. 如果让你加一个业务场景，你会加什么？
   报销、请假、售后、预约、审批，越具体越好，我可以直接把你的场景做进去。

留言我都会看，票数高的先做。做得不好也直接说，比夸奖有用。

最后一句：你出的题，我可以直接做进这个 Demo。比如你说「我们公司报销要走三级审批」，我就把它做成一个能跑的场景，然后把背后用到的 Agent 知识（怎么规划流程、怎么卡权限、怎么留痕）顺着这个场景讲清楚。比空讲概念好懂得多。

---

如果只记一句话：

Agent = 模型 + Harness。 模型只是大脑；让它真能干活的，是外面那一圈------上下文怎么给、工具怎么设计、循环怎么控、边界在哪、失败怎么兜、怎么证明它变好了。

地址再放一次：http://117.72.72.215:5210

打开、配个模型、说一句话。剩下的，交给它自己办：画界面、找帮手、查数据、守规矩。

---