如果已经做过后台应用，第一次接触 Agent 往往会觉得熟悉：接收请求、查资料、调用接口、保存结果，再返回给用户。把模型放在中间，似乎就是一个带自然语言入口的业务系统。

真正的变化出现在运行过程中：下一步做什么，不再全部由开发者提前写好，而可能由模型根据刚刚看到的材料临时决定。 这个决定还会受到上下文、工具描述、历史摘要和用户偏好的影响。

因此，Agent 工程是在成熟的后台工程基础上，接纳一个具有语义不确定性的决策环节。开发者既要让它能探索，也要让每次行动有范围、每次中断能解释、每份成果能取得。到了个人助手阶段，还要让这些约束跨越时间与用户的变化。

前半篇沿一个教学任务比较控制方式：读取两份基金披露并生成报告，再看工具、状态与成熟框架怎样组织工作。后半篇转向我们私有研究应用中已经做过的异步交付、人工回复、记忆消费和每日复读，用实际成功与反例解释视野为什么扩大。教学案例、脚本模型验收和小规模真实模型观察分别标明，不代表真实投资研究或自动交易能力。