Agent（AI 智能体）
Agent 是能够自主规划、使用工具、执行多步骤任务的 AI 系统。与简单的 LLM 调用不同，Agent 具备感知环境、做出决策、采取行动的能力。
核心概念
感知（Perception）→ 规划（Planning）→ 行动（Action）→ 观察（Observation）→ 循环
Agent 的本质是一个决策循环：LLM 作为"大脑"，根据当前状态决定下一步做什么。
Agent 的核心组件
1. LLM（推理引擎）
Agent 的核心，负责理解任务、制定计划、决定使用哪个工具。
2. Tools（工具）
Agent 可以调用的外部能力：
- 搜索工具：网络搜索、数据库查询
- 代码执行：运行 Python/JS 代码
- API 调用：与外部服务交互
- 文件操作：读写文件
- 浏览器操作：网页浏览和交互
3. Memory（记忆）
- 短期记忆：当前对话的上下文（Context Window）
- 长期记忆：持久化存储的信息（向量数据库、文件）
- 工作记忆：当前任务的中间状态和推理过程
4. Planning（规划）
Agent 如何分解和执行复杂任务：
- 任务分解：将大任务拆解为子任务
- 反思与修正：根据执行结果调整计划
- 回溯：发现错误时回到之前的步骤
常见 Agent 架构
ReAct（Reasoning + Acting）
最经典的 Agent 模式，交替进行推理和行动：
Thought: 我需要查找今天的天气
Action: search("今天北京天气")
Observation: 北京今天晴，25°C
Thought: 我已经获得了天气信息，可以回答了
Answer: 北京今天天气晴朗，气温25°C。
Plan-and-Execute
先制定完整计划，再逐步执行：
Plan:
1. 搜索相关论文
2. 阅读并总结关键信息
3. 对比分析
4. 撰写报告
Execute: 按步骤逐一执行，每步可能调用不同工具
Multi-Agent（多智能体协作）
多个专业化 Agent 协同工作：
Orchestrator（编排者）
├── Researcher Agent（研究）
├── Writer Agent（写作）
├── Reviewer Agent（审查）
└── Coder Agent（编码）
Tool Calling（工具调用）
现代 LLM 原生支持工具调用，通过 Function Calling 实现：
{
"name": "get_weather",
"description": "获取指定城市的天气信息",
"parameters": {
"type": "object",
"properties": {
"city": { "type": "string", "description": "城市名" }
},
"required": ["city"]
}
}
LLM 会根据用户意图决定是否调用工具、传入什么参数。
Agent 框架
| 框架 | 特点 |
|---|---|
| LangGraph | 基于图的状态机，灵活控制流程 |
| CrewAI | 多 Agent 协作框架 |
| AutoGen | 微软出品，多 Agent 对话 |
| Claude Code | Anthropic 的编码 Agent |
| OpenAI Agents SDK | OpenAI 官方 Agent 框架 |
Agent vs Workflow
| Agent | Workflow | |
|---|---|---|
| 控制流 | LLM 动态决定 | 预定义路径 |
| 灵活性 | 高，可应对意外情况 | 低，固定步骤 |
| 可预测性 | 低 | 高 |
| 调试难度 | 难 | 易 |
| 适用场景 | 开放式探索任务 | 结构化重复任务 |
设计原则
- 最小权限：只给 Agent 必要的工具和权限
- 人在回路（Human-in-the-loop）：关键决策让人确认
- 失败安全：设置最大迭代次数、超时机制
- 可观测性：记录每一步的推理和行动，便于调试
- 渐进式复杂度：从简单 Workflow 开始，只在需要时引入 Agent