人工智能背景
感知、决定、行动、结束：AI 代理工作流程剖析
给你建议的人工智能很有用。闭环的人工智能——读取上下文、原因、采取行动并记录结果——才是实际完成工作的方式。
2026-06-26 · 8 分钟阅读
AI 代理工作流程与聊天会话有何不同
聊天人工智能从根本上来说是请求-响应：你问，它回答，你的系统没有任何变化。人工智能代理工作流程在种类上有所不同，而不仅仅是程度上的不同。该模型从您的工具中读取实时上下文，对其进行推理，将操作写回这些工具，并将结果输入到下一个循环中。人工智能不会为你的工作提供建议——它只是做其中的一个明确的部分。
这种区别很重要，因为知识工作的大部分开销不是决策。它是决策周围的结缔组织：收集决策背景、传达决策、更新跟踪决策的系统、在出现问题时进行跟进。代理工作流程处理该结缔组织。您提供判断；循环处理物流。
Sense-Decide-Act-Close 循环是 Lodestar 的 AI 代理工作流程构建模型。每个阶段都有明确的职责，它们一起形成一个封闭的循环，真正完成工作，而不是向堆栈添加更多建议。
意义：在推理之前阅读上下文
感知是人工智能读取其推理所需的上下文的阶段。在 Lodestar 中，这意味着调用 MCP 读取工具：拉动仪表板、读取带有证据链接的操作项、获取电子邮件线程内容、检查日历事件、查询知识图以获取相关文档或先前决策。
Sense阶段的质量决定了接下来一切的质量。对完整电子邮件线程、谁欠什么的历史以及此联系人的情绪趋势进行模型推理将比对情况摘要进行推理得出更好的结论。上下文层使 Sense 变得有意义而不是肤浅的。
Lodestar 的丰富管道在人工智能接触数据之前运行。当您提出问题时，您的电子邮件已经被分类并链接到项目，操作项已被提取及其来源引用，并且每个联系人的情绪已被计算。该模型并不进行原始文本分析，而是读取结构化的、丰富的上下文。这将 Sense 阶段从几分钟压缩到几秒钟。
决定：模型在哪里生存
决策是大多数人想到人工智能时所想象的阶段：模型根据上下文进行推理并决定要做什么。在构建良好的代理工作流程中，“决策”是将前沿模型的推理能力应用于实际值得其计算成本的问题 - 不是重建已有的上下文，而是对其进行判断。
早上计划工作流程的决定阶段可能如下所示：“鉴于这七个逾期项目、这三个传入线程和此日历，中午之前要做的三件最高影响力的事情是什么？”该模型权衡了紧迫性、关系风险和依赖性——这种多因素判断不会简化为规则。
对于客户后续工作流程，决策可能是：“这种情绪趋势已连续两周下降，最后三封电子邮件无人回复，六周后续订。起草一封恢复电子邮件并提出两项后续任务。”这种推理需要上下文（感知）、判断（决定）以及根据结论采取行动的能力——这是下一阶段。
Act：通过MCP写回结果
行动是循环成为现实的地方。该模型调用 MCP 写入工具：action_items_create 来记录新的承诺，emails_reply_link 在邮件客户端中打开草稿，milestones_partial_update 来记录已完成的阶段，timeline_events_create 来记录发生的情况和时间。
Lodestar 的 Act 层的设计原则是，后果性的操作会浮出水面以供人工审查。电子邮件草稿就是草稿。您会看到建议的回复，认为它是正确的，然后单击“发送”。 AI负责起草工作；您保留发送决定。任务创建和里程碑更新会立即发生，因为它们是可逆的并且范围仅限于您的工作空间，但即使这些也会记录到时间线中，以便您可以看到人工智能做了什么。
这不是安全妥协——这是专业工作流程的正确设计。在判断调用依赖于模型无法看到的信息的情况下，无法被覆盖的人工智能是没有用的：关系动态、政治细微差别、口头共享的信息。 Act层执行机械功；人类判断门保持在适当的位置以进行通信。
关闭：记录、通知、跟踪直到完成
关闭是防止工作蒸发的阶段。模型采取行动后，Lodestar 将事件记录到时间线（发生了什么、涉及谁、结果是什么）、更新相关项目和里程碑状态，并创建或关闭操作项，以便跟踪图片反映现实。
关闭阶段还处理后续操作。如果后续任务是在“行动”阶段创建的，Lodestar 会跟踪它直至完成——在到期时将其显示在每日计划中，如果出现失误，则在需要注意的提要中对其进行标记，并自动推动直至其关闭或故意推迟。
这就是为什么该循环被称为 Sense-Decide-Act-Close 而不是 Sense-Decide-Act。如果没有关闭阶段，您的模型会采取行动但不会留下任何痕迹。有了它，每个人工智能操作都是可审计的，每个承诺都可以被跟踪，并且上下文层随着每个完成的循环而变得更加丰富——使下一个 Sense 阶段更加准确。
一个完整的循环：构建者发布一个功能
使用 Claude Code 和 Lodestar 为独立开发人员演示具体的 AI 代理工作流程。会话开始：Claude 调用dashboard_today 和action_items_list。 Sense 阶段返回了今天到期的三项内容，其中一项阻止了 Jet Rebellion 功能。克劳德列出了计划的优先顺序。
开发者说：“实施第 42 条。” Claude 调用action_items_retrieve(42)，然后调用knowledge_search 和files_content 来提取规范和相关代码文件。感已圆满。该模型对规范、现有代码和阻塞问题进行推理。决定制定实施计划。 Claude Code 编写代码、运行测试、部署。
行动：Claude 调用action_items_partial_update(42, 'done') 和timeline_events_create 来记录完成情况。它调用 emails_reply_link 打开草稿，通知在原始规范线程上抄送的利益相关者。开发人员审阅草稿并单击发送。关闭：操作项已完成，里程碑已更新，时间线记录了事件，并且利益相关者收到通知 - 所有这些都无需离开编辑器。
完整的循环：顾问恢复客户关系
一位分数主管在早上开始时向克劳德提出一个问题：“有什么东西着火了吗？” Sense：Claude 调用dashboard_needs_attention 和dashboard_sentiment。返回一位客户在过去两周内情绪下降了 -0.3，两个未解决的线程持续十天没有响应。
决定：Claude 读取电子邮件线程 (emails_content)、组织结构图 (knowledge_org_charts) 以及该客户的未决操作项目 (action_items_list)。它可以识别出了什么问题：交付成果错过了、问题没有得到解答、联系人变得沉默了。它起草了恢复方法。
行动：emails_reply_link 向正确的联系人打开草稿，直接解决该情况。 action_items_create 记录两个后续任务的所有者和截止日期。关闭：timeline_events_create 记录重新参与的决定。每日计划将显示这两项后续任务，直到它们被标记为完成。需要二十分钟手动重建的内容——阅读线索、检查笔记、从头开始写回复——在一次对话中运行。
为什么循环比任何单独的人工智能能力更重要
感知-决定-行动-关闭模型的力量并不在于任何单一阶段，而是循环。能够很好地推理但无法读取结构化上下文的模型会提供通用建议。可以读取上下文但无法写回系统的模型可以提供更好的建议，但仍然是手动的。读取、推理、行动和结束的模型会产生完成的工作：提交、跟踪和跟进。
对于独立运营商和技术建设者来说，复合效应最为重要。每个完成的循环都会丰富上下文层。具有 50 个记录的交互、封闭的承诺和跟踪的情绪趋势的客户关系对于下一个 Sense 阶段的输入与空白石板有着根本不同的输入。随着循环的运行，人工智能变得更加有用——不是因为模型改进，而是因为它读取的内存增加。
这就是人工智能真正做工作而不是协助工作的含义。该架构目前可通过 Lodestar MCP 服务器和任何兼容的 AI 客户端使用。循环已经定义。上下文层已经在构建中。你带来的就是工作。
要点
感知-决定-行动-关闭循环是一个将有能力的模型转变为实际完成工作的模型的框架。尽早访问 Lodestar 为您提供上下文层和 MCP 服务器，以便从第一天起就运行此循环 — 并有一个产品团队可以在入职期间完成您的特定工作流程。