> ## Documentation Index
> Fetch the complete documentation index at: https://docs.dropcv.work/llms.txt
> Use this file to discover all available pages before exploring further.
# 什么是 Agent
> 了解 AI Agent——不只是聊天，而是能自主完成任务的智能助手。
你可能听过"AI Agent"这个词，它和普通的 AI 聊天有什么区别？这一章帮你理解。
## Agent 是什么
**Agent = 能自己动手干活的 AI。**
普通 AI 聊天：
* 你问一句，它答一句
* 你不问，它就不动
* 它只负责"说话"
Agent：
* 你给它一个目标，它自己拆解步骤
* 它会调用各种工具来完成任务
* 遇到问题会自己想办法解决
打个比方：
* 普通 AI = 电话客服，你问什么它答什么
* Agent = 你的私人助理，你跟它说"帮我搞定这件事"，它就去做了
## Agent 怎么工作
```mermaid theme={null}
flowchart TB
A[你给 Agent 一个目标] --> B[Agent 分析任务]
B --> C{需要什么信息?}
C -->|需要查数据| D[调用工具查询]
C -->|需要写内容| E[生成文本]
C -->|需要对比| F[调用对比工具]
D --> G[整合结果]
E --> G
F --> G
G --> H{任务完成?}
H -->|没有| B
H -->|完成| I[交付结果]
style A fill:#10b981,color:#fff
style I fill:#3b82f6,color:#fff
```
## Agent 和 DropCV 的关系
DropCV 是一个**人才库/数据层**，Agent 是**干活的人**。
```mermaid theme={null}
flowchart LR
A[你说：帮我推荐 3 个前端工程师] --> B[Agent 理解需求]
B --> C[Agent 调用 DropCV 搜索]
C --> D[DropCV 返回候选人数据]
D --> E[Agent 分析匹配度]
E --> F[Agent 生成推荐语]
F --> G[你看到最终结果]
style A fill:#10b981,color:#fff
style G fill:#3b82f6,color:#fff
```
你不需要自己去翻数据库、写推荐语、做分析。Agent 会帮你把这些事都做了，你只需要看结果、做最终决定。
## Agent 能做什么
| 任务 | Agent 怎么做 |
| ----- | ------------------------ |
| 找候选人 | 搜索人才库 → 筛选 → 排序 |
| 写推荐语 | 读取简历 → 提取亮点 → 按格式生成 |
| JD 匹配 | 解析 JD → 搜索匹配 → 评分 → 输出报告 |
| 写邮件 | 了解场景 → 生成邮件 → 你确认后发送 |
| 做笔记 | 整理面聊记录 → 结构化 → 归档 |
## 你需要做什么
作为用户，你只需要：
1. **告诉 Agent 你要什么**（用自然语言）
2. **检查 Agent 的结果**（它可能犯错）
3. **做最终决定**（Agent 不能替你做决定）
Agent 是你的工具，不是你的替代品。
## 实际工作中的 Agent
```
你：帮我做一个 JD 匹配任务，岗位是高级前端工程师，
要求 5 年以上 React 经验，有大厂背景
Agent 的执行过程：
[步骤 1] 理解任务：高级前端 + 5 年 React + 大厂背景
[步骤 2] 调用搜索工具：在人才库中搜索匹配候选人
[步骤 3] 找到 8 位候选人，逐一分析匹配度
[步骤 4] 生成匹配报告：符合点、差距、面试建议
[步骤 5] 保存结果到任务看板
最终输出：
匹配完成！找到 8 位候选人，其中 3 位高度匹配：
1. 王思远 - 8 年经验，某大厂前端负责人（匹配度 92）
2. 李明华 - 6 年经验，全栈工程师（匹配度 84）
3. 张子涵 - 5 年经验，React 专家（匹配度 78）
```
```
你：帮我把最近一周的面聊记录整理成结构化笔记
Agent 的执行过程：
[步骤 1] 搜索最近 7 天的候选人沟通记录
[步骤 2] 识别每条记录的关键信息
[步骤 3] 按候选人分组整理
[步骤 4] 生成结构化笔记
[步骤 5] 保存到每个候选人的档案中
最终输出：
已整理 5 位候选人的跟进记录：
- 张三：技术面试通过，待二面
- 李四：对薪资有顾虑，需沟通
- 王五：已发 offer，等待回复
- ...
```
## 下一步
教 Agent 学会特定任务。
怎么跟 Agent 说话效果最好。