推理模型的能力，与 AI 智能体必须处理的挑战高度契合。
一个智能体需要：

• 感知环境
• 处理信息
• 采取行动
• 在需要时进行调整

而这正是推理模型，或者基于推理的提示技术，所擅长应对的事情。

案例研究：客户服务智能体

设想一个用于客户服务的 Agentic AI 系统。
一位用户提交了一条投诉：

我今天收到了自行车架，但支臂损坏了，无法扣紧。

系统可以使用一个推理模型，把这个问题拆解成一系列子任务，并制定逐步计划：

1. 查找客户在 CRM 中的订单记录
2. 检查公司关于退货和损坏商品的政策
3. 决定最终解决方案，例如退款或换货

委派与执行

一种高效的方法是：
让推理模型负责规划，而把具体工作委派给更小、更便宜的模型来完成。

例如：

• 第一个任务会发送给一个轻量级 GPT 模型，由它去查询 CRM，找出客户最近的订单
• 第二个任务也可以交给同一个模型，让它查找相关公司政策，检索信息并做摘要
• 最后，决策任务再交给另一个模型，由它综合所有已收集的信息，判断最终应该给出退款还是换货

复核

最终的决策结果会返回给推理模型进行复核。
然后，模型可以：

• 结束整