图片

写在前面

如果你用过 ChatGPT 或 Claude，你一定体验过这种交互：

你问一个问题 → 它回答一段话 → 结束。

这叫 ChatBot。但最近你肯定频繁听到另一个词：Agent。

很多人第一反应是：“不就是会联网的 ChatGPT 吗？”

不是。

Agent 和 ChatBot 是两个完全不同的物种。今天这节课，我们就来彻底搞清楚：Agent 到底是什么？它由哪些部分组成？它凭什么能"做事"？

学完这一课，你会对 Agent 有一个结构化的完整认知，而不是停留在"好像挺厉害"的模糊感觉上。这是整个系列的地基——后面讲开发、讲实战，全都要回到这里。

一、什么是 Agent？

1.1 先看区别：Chat vs Agent

图片

左边是传统 ChatBot：输入 → 输出，一次性的。问完就没了，没有记忆，不会动手做任何事。

右边是 Agent：目标 → 思考 → 调工具 → 看结果 → 再决策 → 完成。它是一个持续运转的系统。

**核心区别只有一条：**ChatBot 只会"说话"，Agent 会"行动"。它能自己判断该用什么工具，执行完之后根据结果继续调整策略。

1.2 Agent 的公式

图片

用一句话概括：

Agent = LLM（大脑）+ State（状态）+ Tool（工具）+ Goal（目标）+ Loop（执行循环）

  • LLM：负责思考和决策（不是回答问题那么简单，而是"我下一步该做什么？"）

  • 状态：记录当前做到哪步了、已经做了什么、哪些失败了

  • 工具：让模型能"出手"——搜索、查数据库、调 API、跑代码

  • 目标：告诉它要完成什么任务

  • 循环：不断重复「观察→思考→行动」直到达成目标

缺任何一个，都算不上真正的 Agent。后面我们逐个拆开来讲。

二、Agent 的五大核心模块

图片

🧠 推理层 Reasoning

这是 Agent 的"大脑前额叶"。负责三件事：

  1. 思考：理解用户意图，拆解复杂任务为子步骤
  2. 决策：在多个可选动作中选出最优的一个
  3. 反思：回顾之前的步骤是否有效，调整策略

典型模式包括 ReAct（边推理边行动）、Chain of Thought（思维链）、Reflection（自我反思）。这些不是花哨的名字，它们决定了 Agent 遇到问题时怎么"想"。

🔧 工具层 Tool Use

“光说不练假把式”。工具层就是 Agent 的"手"：

  • 搜索引擎 —— 获取实时信息

  • API 调用 —— 查天气、查股票、发邮件

  • 数据库查询 —— 读业务数据

  • 代码执行 —— 跑 Python/SQL，处理计算

**本质分工：**LLM 负责"想"，工具负责"干"。模型只做决策（选哪个工具、传什么参数），实际执行由外部系统完成。

📋 状态层 State

一个跑了几轮的 Agent，必须知道：

  • 当前做到第几步了？

  • 已经完成了什么？

  • 哪些操作失败了？

  • 还剩什么没做？

常见实现形式有 JSON 对象、有向无环图（DAG）、任务队列等。没有状态的 Agent 就像失忆症患者——每次都在原地打转。

🧠 记忆层 Memory

图片

Agent 有三种"记性"：

♻️ 执行循环 Agent Loop

图片

这是 Agent 最核心的设计模式——一个永不停止的四步循环：

  1. Observe（观察）：看看环境现在是什么状态，拿到新的输入或工具返回的结果
  2. Think（思考）：结合目标和当前状态，决定下一步要做什么
  3. Act（行动）：调用某个工具或输出某个响应
  4. Reflect（反思）：评估这次行动的效果，更新状态

然后回到 Step 1，周而复始。直到判定任务完成，循环才停止。

三、Agent 与 Workflow 的区别

这是初学者最容易混淆的概念之一。很多人以为"写个流程控制脚本"就是在做 Agent 了。

图片

简单来说：**Workflow 是你画好路线让程序跑；Agent 是你给它目的地让它自己找路。**两者不是对立关系——好的 Agent 架构内部往往也包含 Workflow 来管理子任务的执行。

四、主流 Agent 框架速览

图片

市面上框架很多，这里挑四个最有代表性的快速过一遍：

LangChain

生态最大，Tool 最多，社区最活跃。优点：上手快、集成广。注意：抽象层比较重，Debug 困难，内部实现像黑盒。适合快速原型验证，生产级项目需要谨慎评估。

LangGraph

LangChain 官方推出的新框架，核心理念是 State Machine + DAG。把 Agent 的状态流转可视化地表达出来。特别适合生产级 Agent——可观测、可调试、可控。

AutoGen（微软）

主打 多 Agent 协作——多个 Agent 角色之间通过对话完成任务。适合需要"团队协作"场景，比如一个 Agent 写代码、一个 Agent review、一个 Agent 测试。

CrewAI

基于 角色 Role-playing 协作模式。轻量易上手，定义几个角色（研究员、写手、编辑），给它们各自的任务和工具，自动协作完成工作流。

💡 **我的建议：**不要纠结"选哪个最好"。先理解原理（就是今天这篇的内容），再根据你的具体场景去选框架。没有最好的框架，只有最适合的。

五、四种经典架构模式

图片

① ReAct：边推理边行动

Reasoning + Acting 结合。Agent 在每一步都会先写出自己的推理过程（Thought），然后决定采取哪个行动（Action）。拿到 Action 结果后，再进入下一轮 Thought-Action 循环。最经典的 Agent 模式，也是大多数教程的起点。

② Plan-and-Execute：先规划再执行

先花一轮（或多轮）生成完整的执行计划（Plan），然后按计划逐步执行，遇到问题时可以回退修改计划。大局观更强，适合复杂的多步骤任务。代价是前期规划可能出错，需要配合 Reflection 机制修正。

③ Reflection：自我反思

在关键节点停下来，让 Agent 回顾之前的步骤：“我刚才做的这个决定对吗？有没有更好的方案？" 反思机制能显著降低错误率，特别是在需要精确性的场景（如编程、数据分析）。

④ Self-Correction：自动修复错误

当工具返回报错、或者结果不符合预期时，Agent 不直接放弃，而是自动诊断原因并重试。可能换个参数、换一种方法、甚至换一个工具。这是让 Agent 具备"鲁棒性"的关键设计。

实际工程中，这些模式经常组合使用。比如 Plan-and-Execute + Self-Correction + Reflection 就是很多生产级 Agent 的标配。

六、实战：搭建一个"联网搜索 Agent”

图片

理论讲完了，我们来落地。用一个最简单的例子串联上面所有的概念：

**需求：**用户提一个问题，Agent 判断是否需要联网搜索，如果需要就调搜索引擎获取信息，最后总结成答案返回。

技术栈选择：

  • LLM：OpenAI API（GPT-4o / Claude 等）—— 负责判断和总结

  • 搜索工具：Tavily Search API（或 Serper、Google Custom Search）

  • 编排框架：LangChain（快速原型）或 LangGraph（生产级）

核心流程就四步（对应上面的 Loop）：用户提问 → Agent 思考"这个问题需要搜吗？" → 调 Tavily 搜索 → 用搜索结果组织答案返回。

下一节课我们会亲手把这个 Agent 写出来，一行行代码带你跑通。今天先把概念地基打好。

七、本节重点误区

图片

✗ 最大误区：把 Agent 当成"高级 Prompt"

很多人觉得 Agent 就是在 Prompt 里加几句"You are an agent that can search the web…"，然后调个带 function calling 的 API 就完了。

这样做的本质还是 ChatBot——只不过多了个 function call 而已。真正的 Agent 区别在于：

✓ Agent 的真正核心

  • 状态管理：知道自己在哪一步，不迷失

  • 执行循环：自主运转直到目标达成

  • 工具编排：动态组合工具链，而非硬编码

Prompt 决定的是"模型如何思考"，但 Agent 的灵魂在系统层面的架构设计——状态怎么存、循环怎么控、失败怎么恢复。这才是区分高手和新手的分水岭。

小结 & 下节预告

今天这节课，我们从零建立了对 Agent 的完整认知框架：

  1. Agent ≠ ChatBot：前者会行动、后者只会说话
  2. 五大模块：推理、工具、状态、记忆、执行循环，缺一不可
  3. vs Workflow：Agent 自主找路，Workflow 走固定路线
  4. 四种模式：ReAct、Plan-and-Execute、Reflection、Self-Correction
  5. 核心误区：Agent 不是高级 Prompt，真正的功夫在状态管理和执行循环

— END —

 觉得有用？点个「在看」，下篇继续 👇
关注「麒麟 Agent 实验室」，一起在 AI 时代日拱一卒。