Agent：能干活的 AI

说明

常见 Agent 架构会组合规划、工具、短期状态和结果检查。具体系统不一定显式实现四个同名模块，但都要解决“下一步做什么、能调用什么、当前进度是什么、何时停止”这几件事。

工具调用把模型输出变成文件读写、查询、代码执行或 API 请求。每次结果重新进入循环，模型可以根据成功、失败和新信息修正下一步。

产品设计的重点是权限、状态、失败恢复和退出条件。循环过短可能没完成，过长会增加成本与副作用；高风险动作应由模型外的策略和审批约束。

Agent 交付的是执行结果，但不因此天然可靠。任务越长、工具越多，错误传播机会越多；关键数字、外发内容和不可逆操作仍需独立验证。

边界与误区

• Agent 必须使用大模型吗： Lilian Weng 的经典架构以 LLM 作为核心决策器，但实际系统中也可能用其他策略执行部分步骤。当前多数自主 Agent 仍以 LLM 为主要大脑，因为需要语言理解来规划和调用工具。

• Agent 和普通 LLM 最本质的区别是什么： 普通 LLM 只能就输入生成文本，完成后没有执行动作。Agent 可以把任务拆解、调用外部工具、读取结果并继续决策，形成一个可迭代的行动循环，从而在真实环境中完成工作。

• 记忆在 Agent 中起什么作用： 记忆保证 Agent 不只是单次问答。短期上下文用于维持当前任务状态，长期记忆可以跨会话记住用户偏好、历史事实或已学到的结果，让后续行动更连贯、更少重复。