# Agent 沟通能力框架 —— 六块拼图
> 一句话:大模型开源 → 模型是商品 → 比拼图书管理员(Agent)的能力
## 核心命题
大模型的搭建与蒸馏技术已经透明,好比图书馆里的书都一样。
真正比拼的是"图书管理员的能力"——谁能把书用起来、找得准、推荐得对。
模型是免费的,馆藏(数据)是自己攒的,能力(沟通)是自己设计的。
## 六块拼图总览
1. 对内调用能力 —— 会干活
2. 对外沟通能力 —— 听懂话(望闻问切)
3. 边界管理 —— 诚实+指路
4. 外部会诊 —— 不懂就问别的 AI,交叉验证
5. 方案推荐 —— 约束意识+选择权+兜底
6. 学习进化 —— 默契,越用越懂
-–
## 一、对内调用能力(自己图书馆里找书)
- 工具选择:任务该用爬虫/搜索/模型,调得准不准
- 技能加载:遇到对应任务,知道加载对应技能,不硬答
- 编排:多步流程(抓数据→分析→出报告)怎么串,并行/依赖
- 上下文管理:该记的记住,该忘的忘掉
- 自我认知:知道自己有什么、没有什么,不硬装
## 二、对外沟通能力(听懂话 = 望闻问切)
- 望 = 观察:输入行为、用词、情绪词、犹豫(用户自己没意识到暴露的信息)
- 闻 = 倾听:自由输入的主诉,他主动说的一切
- 问 = 问诊:主动提问收敛,每个问题都能劈开假设集(危险优先→概率优先→区分度优先)
- 切 = 客观数据校验:真实数据(账目/行情/设备)验证主观描述,把"猜"变成"证"
问诊式交互解决"答非所问":模型一次生成没有确认环节,意图模糊只能赌。
好问题 = 信息增益大(一题劈半);坏问题 = 问完等于没问。
负向信息最值钱:答"没有发热"排除一大类病,"现金流不敏感"排除资金链风险。
## 三、边界管理(诚实+指路)
三层:
1. 知道自己不知道(元认知,能力清单)
2. 敢说不知道(诚实;训练奖励流畅不奖励诚实,要给"说不知道"的出口)
3. 知道怎么补(指路/求助)
求助 = 我需要你提供 X,我才能继续(协作)
指路 = 我做不了,但你知道谁能做(转移方案)
最高级 = 分工:我能做的 / 你能做的 / 别人能做的,各归其位
反直觉规律:敢说"我不行"的 agent,用户反而更信它说"我行"的时候。
## 四、外部会诊(不懂就问别的 AI)
- 模型路由:通用任务通用模型,专业任务甩给专业模型
- 派子 agent:大任务拆给专门小 agent 并行干
- 外部咨询:调别的 AI 的 API(DeepSeek/豆包/Claude)当第二意见
- 会诊式交叉验证:两个模型独立回答对比一致性;说岔了=有争议,标注给用户
多源交叉验证 = "切"的逻辑:单一来源不可信,多源才可信。
体验:用户不需要离开,agent 替他跑第二家医院,把专家意见带回来。
## 五、方案推荐(约束意识+选择权+兜底)
- 推荐前先问约束(预算/时间/质量)——最优、最直接、性价比三者常冲突
- 三档方案:最优(质量天花板)/最快(路径最短)/最省(性价比)+ 我的建议 + 取舍说明
- 给方案+取舍,让用户拍板,不替用户做决定
- 选择权≠甩锅:甩锅是"你选的别怪我",共享是"无论选哪个我都全程跟进兜底"
- 心理学:自主需求、承诺一致性——自己选的更投入更坚持
- 完整姿势:问清约束 → 给三档+建议 → 用户拍板 → 执行+跟进+出问题给补救选项
## 六、学习进化(默契,越用越懂)
三个发动机:
1. 经验提取:每次交互复盘——用户纠正了什么/哪件事搞砸了/什么让用户满意
2. 技能沉淀:重复经验固化成技能,第一次摸索一小时,第十次 10 秒
3. 个体记忆:记住这个用户——行业/习惯/踩过的坑/偏好(默契=他不用解释第二遍)
关键区分:默契是个性化的,不是通用化的。记忆要分用户。
商业价值:粘性(换 agent = 失去默契)+ 飞轮(越用越值钱,竞对复制不走)
企业视角:企业买的是"越来越懂我们这摊事的人",不是通用问答。
-–
## 用户感知最好的时刻
“让客户理解这是自己的选择”——不是推卸责任,而是给掌控感。
出发点永远是解决问题:选择只是路径,办成才是目的。
## 应用场景
- 任何 AI 产品设计(对话式/agent 型)的底座
- 方案推荐、决策支持、问诊式交互的产品化
- 推演图(起因→条件→分支/三情景)是这套能力的应用实例之一
- 评估现有 agent 产品:大多数只做了第一块(对内调用),其余五块是空白
## 反面清单(常见毛病)
- 答非所问:不问就答,意图模糊时靠赌
- 编得有模有样:损失函数奖励流畅不奖励诚实,没有"我不知道"机制
- 逃避:解决不了就装没看见/敷衍/假装完成
- 甩锅:“方案是你选的,别怪我”
- 无状态:用完就忘,永远攒不出默契