AI 与智能体

用户问“明天下午有空吗？”，应用需要让模型请求日历工具，再把真实日程安全地交回用户。

AI 旅行助手说博物馆周一营业到晚上十点，应用需要查官方页面并保留来源，避免用户按错误时间安排行程。

用户上传手机结算页截图，并问哪里会让人看不清；应用先识别界面结构，再把视觉发现和文字目标合成具体修改建议。

用户想做一个周末待办清单，先告诉 AI 目标、保存要求和验收条件，再看原型、指出按钮太挤，继续迭代到可以使用。

一个页面要连续修改多轮，用户已经确认目标、约束、已做决定和当前证据；下一轮需要带上这些信息，避免 AI 重复提问或改错方向。

用户继续修改一个页面时，把系统规则、当前问题、代码文件和旧聊天一起发给 AI；应用需要展示这一轮还剩多少容量，接近上限时先压缩旧内容或拆成多轮。

用户先让 AI 写三个标题，下一轮只说“把第二条改短”；应用需要从保存的消息中找回相关标题，截取或摘要无关历史，再把当前请求和必要内容一起发给模型。

产品给账单助手设置内部规则：只能处理订单与退款咨询、不能泄露凭据、回答必须使用固定 JSON；用户的请求进入后，模型要先遵守这些规则，再生成受约束的结果。

用户把一段中文需求和代码标识发给 AI，应用先把输入拆成 token，再显示它占用了多少上下文以及本次输入的估算费用。

用户第一轮让 AI 整理订单表格，下一轮只说“继续”。应用必须知道服务端不会自动保留上一轮，并在第二次请求中显式带上表格、目标和必要结果。

用户让 AI 生成一份较长的周报，页面不必等全文完成才显示；它要先建立连接，再逐段渲染，最后明确完成或失败。

应用要让 AI 返回订单摘要，后续代码需要读取 status、total 和 next_step，而不是从一段自由文本里猜字段。

用户让 Agent 处理一笔异常订单，系统需要记录每一步状态，并在成功、失败、超时或预算用尽时明确结束。

用户让 AI 检查订单异常，Agent 先拆解任务，再调用订单查询工具，根据返回结果决定继续查库存还是给出结论。

一个 Agent 正在处理批量退款任务，Harness 负责注入权限、保存检查点、记录每一步，并在超时或评估失败时暂停。

Agent 准备批量退款，先展示将要执行的订单、金额和风险差异，等待负责人批准、修改范围或拒绝执行。

一个 AI 开发工具需要读取项目文件、调用搜索能力和使用团队提示词，MCP 让 Host 通过 Client 连接不同 Server，而不用为每个工具重写一套协议。

用户问订单为什么延迟，模型先提出检查订单记录，再观察到仓库延迟，随后更新思路去查承运商状态，最后整理出有证据的下一步。

Agent 收到一次仓库审计任务后，从 Skill 目录选择 repo-audit，加载 instructions、检查清单和配套资产，再按这套能力包执行并产出审计结果。

主 Agent 需要审查一次发布配置，于是把“只检查环境变量和回滚风险”委派给 Sub-agent，并提供输入、输出格式和停止边界；Sub-agent 在自己的上下文中完成检查，再返回证据和结论。

用户询问订单状态时，模型提出 get_order_status 和订单号，应用检查参数并执行查询，把真实状态交回模型后生成回答。

多个用户同时访问 AI 服务，客户端需要知道什么时候继续发送、什么时候排队等待，以及 429 后如何安全恢复。

团队想比较一次 AI 请求为什么更贵，需要把输入、输出、总用量和模型单价放在同一张账单里看。

用户发送一条 AI 请求，页面需要区分首个反馈何时出现，以及首 token 之后答案生成得有多快。