agent 入门

agent 是什么

Agent 是一个能够“感知环境、思考决策、调用工具、执行动作、根据结果继续行动”的程序

和普通聊天机器人不同，普通聊天机器人通常是：

用户输入 -> 模型回答

Agent则是

目标 -> 思考 -> 行动 -> 观察结果 -> 再思考 -> 再行动 -> 直到完成任务

举个例子。

你普通问 LLM：

帮我查一下北京明天天气，并写一封邮件提醒老板。

但 Agent 可以：

1. 调用天气工具查北京天气
2. 得到结果：晴，26 度
3. 调用邮件工具发送邮件
4. 告诉你已完成

所以，Agent 的核心不是“更会聊天”，而是：

能拆解任务、能调用工具、能根据反馈继续执行

Agent 的基本组成

一个完整 Agent 通常包括五个部分

Agent = 大模型 + 目标 + 工具 + 记忆 + 执行循环

1. 大模型：Agent 的大脑

LLM 负责：

• 理解用户目标
• 拆解任务
• 决定下一步调用什么工具
• 总结结果

常见模型：

• OpenAI GPT

• Anthropic Claude

• Qwen

• DeepSeek

• GLM

• Kimi

• 本地模型，如 Llama、Qwen 等

2. 目标：Agent 要完成什么

比如

帮我调研 3 个 AI Agent 开源框架，并写成 markdown 报告

目标必须清晰，否则 Agent 会不知道什么时候停止

3. 工具：Agent 的手和脚

工具可以是：

• 搜索网页

• 读取文件

• 写入文件

• 执行 Python 代码

• 查数据库

• 调 API

• 发邮件

• 操作浏览器

• 控制电脑

• 调用其他模型

没有工具的 Agent 只能“想”

有工具的 Agent 才能“做”

4. 记忆：Agent 的经验

记忆分两种

短期记忆

当前任务过程中的上下文。 例如：

用户让我查天气

我已经查到了北京天气

下一步应该写邮件

长期记忆

跨任务保存的知识

例如

用户喜欢简洁回答

用户的项目使用 Python

用户公司名称是 XXX

长期记忆可以用：

文件

数据库

向量数据库

JSON

SQLite

5. 执行循环：Agent 的核心发动机

最经典的循环是：

Thought: 思考下一步 Action: 选择工具 Action Input: 给工具参数 Observation: 观察工具结果 ... Final Answer: 最终回答

这个模式叫 Reasoning + Acting

ReAct (Reasoning and Acting)： 一种将“思考”和“行动”紧密结合的范式，让智能体边想边做，动态调整。 Plan-and-Solve： 一种“三思而后行”的范式，智能体首先生成一个完整的行动计划，然后严格执行。 Reflection： 一种赋予智能体“反思”能力的范式，通过自我批判和修正来优化结果。