Agent 如何理解你的工作空间：从 bash 工具到文件读取到全局理解

Agent 是怎么理解你的工作空间的？

从"看见文件夹"到"理解你的项目"，分四步

1
Agent 有一套"工具箱"——bash 命令
这些命令就是 Agent 的眼睛和手，没有它们 Agent 什么都看不到
Agent 不是直接"看到"你的文件的。它需要通过终端命令来探索——每一次看文件、查目录、搜索内容，都是在后台运行一条命令。就像一个人走进一个陌生的房间，需要用手去摸、用眼去看才能了解里面有什么。
ls
列出文件夹内容
= 打开文件夹看一眼里面有什么
cat
读取文件全部内容
= 打开一份文档从头读到尾
head
只看文件开头几行
= 翻开文档看一眼第一页
find
搜索文件
= 在抽屉里翻找某个东西
grep
在文件里搜索关键词
= Ctrl+F 搜索某个词
wc
统计行数 / 字数
= 看一眼这份文档有多长
除了这些基础命令，Agent 还能运行任意程序——比如用 Python 解析 CSV 数据、用 pandoc 转换文件格式、甚至安装新工具。bash 就是 Agent 与你的电脑之间的"操作通道"。
2
Agent 是怎么读取文件的？
不同类型的文件，读法不一样
Agent 拿到任务后做的第一件事是扫描目录结构——先搞清楚"这个文件夹里有什么"，再决定怎么读。
// Agent 内心独白：先看看文件夹里有什么
$ ls -la

老板周一发的消息.txt 324 字节
各平台数据0512-0518.csv 1.2 KB ← 有数据，要特殊处理
选题会议记录.md 680 字节
竞品笔记.txt 520 字节
用户反馈汇总.txt 890 字节
上周周报0505-0511.md 750 字节 ← 有"周报"和日期，可能是模板
素材和灵感.txt 410 字节
README.md 1.8 KB ← README 通常第一个读
普通文本文件（.txt / .md）
最简单——用 cat 直接读取全部内容。Agent 一次就能看到所有文字。
$ cat 老板周一发的消息.txt
数据文件（.csv / .tsv）
先用 head 看前几行了解结构（列名是什么），再用 Python/pandas 做汇总计算，不是逐行肉眼读。
$ head -5 各平台数据0512-0518.csv
$ python3 -c "import pandas as pd; df=pd.read_csv('...'); print(df.describe())"
PDF / Word / Excel
不能直接 cat（会乱码）。Agent 会调用专门的工具提取文字——PDF 用 pdftotext，Word 用 python-docx，Excel 用 openpyxl。
$ python3 -c "import docx; doc=docx.Document('文件.docx'); ..."
图片
Agent 能"看到"图片（如果模型支持视觉），或者用 OCR 工具提取文字。不过大部分场景下 Agent 主要处理文本和数据。
$ file screenshot.png → "PNG image, 1920 x 1080"
3
Agent 会读取哪些文件？按什么顺序？
不是无脑全读——它有自己的优先级判断
Agent 不会对着 10 万行代码库把每个文件从头到尾读一遍（那太慢了，也太费 token）。它会先扫描全貌，再有策略地深入。
最先
README.md / SKILL.md / 说明文档
"项目的自我介绍"——读完基本就知道这是什么项目
最先
与任务直接相关的文件
你说"帮我写周报"→ 它会搜索文件名含"周报"的文件
然后
配置文件 / 结构文件
package.json、目录结构——理解项目怎么组织的
按需
数据文件 / 素材文件
不会全读，先看结构（head），需要时才深入分析
跳过
二进制文件 / 无关文件
图片、视频、编译产物——除非任务需要，否则不碰
// Agent 在我们的演示项目中的实际读取顺序：

Step 1 ls -la → 发现 8 个文件，识别出 README
Step 2 cat README.md → 理解任务背景和文件清单
Step 3 cat 上周周报0505-0511.md → 知道目标格式长什么样
Step 4 cat 老板周一发的消息.txt → 明确老板的具体要求
Step 5 head 各平台数据0512-0518.csv → 先看列名了解数据结构
Step 6 python3 ... read_csv ... → 用程序计算汇总数据
Step 7 cat 选题会议记录.md → 获取本周策略背景
Step 8 cat 竞品笔记.txt → 竞品分析素材
Step 9 cat 用户反馈汇总.txt → 用户声音 + 待跟进事项
Step 10 cat 素材和灵感.txt → 补充信息
关键点：它不是按文件名字母顺序读的，而是按"对完成任务最重要"的顺序。先理解目标（README + 老板要求 + 上周格式），再获取数据（CSV），最后补充上下文（会议、竞品、反馈）。
4
Agent 就是这样理解你的工作空间的
把散落在不同文件里的信息，在"脑子里"连成一张网
读完所有文件后，Agent 不是分别记住每个文件的内容——它是把信息交叉关联起来的。一个问题在 A 文件里，答案在 B 文件的数据里，背景在 C 文件的会议记录里。Agent 把这些碎片拼成一个完整的"项目理解"。
Agent 脑中的信息关联网络
老板消息 × CSV 数据 → 老板问"粉丝目标完成没" → CSV 算出本周新增 16,480 → 超额完成
老板消息 × CSV 数据 → 老板问"抖音那条为什么爆" → CSV 里播放 152 万的那条就是
会议记录 × CSV 数据 → 会上决定"赌一把对比视频" → 数据证明赌对了 → 写入亮点分析
用户反馈 × 素材灵感 → 用户要"简历教程" + 素材里有"毕业季热搜" → 纳入下周计划
竞品笔记 × 会议记录 → 竞品在做系列化 + 会上也说了 → 下周建议启动固定栏目
上周周报 × CSV 数据 → 上周粉丝 152,800 + 本周新增 16,480 → 自动算出总数和增长率
这就是 Agent 和 Chat AI 的根本区别。Chat AI 只能看到你复制粘贴给它的那一段内容，文件之间的关系要靠你手动告诉它。Agent 自己读所有文件、自己发现关联、自己拼成完整的理解。你只需要说一句"帮我写周报"，它就知道该去哪些文件里找什么信息。