AI Agent（智能体）

什么是 AI Agent

AI Agent（智能体）是一种 AI 系统，它能：

1. 感知 — 理解用户意图和当前环境
2. 规划 — 把复杂目标拆解为可执行的步骤
3. 行动 — 调用工具、API、代码来完成每一步
4. 观察 — 获取行动结果，判断是否成功
5. 迭代 — 根据结果调整计划，持续直到完成

与普通聊天机器人的核心区别：Agent 能自主决策和执行，不只是对话。

Agent 架构

用户目标
  ↓
┌─────────────────────────────────┐
│         Agent 循环              │
│                                 │
│  ① 规划：下一步做什么？         │
│  ② 行动：调用工具/代码/API      │
│  ③ 观察：解析返回结果           │
│  ④ 反思：成功了吗？需要调整？   │
│  ⑤ 循环或结束                   │
│                                 │
└─────────────────────────────────┘
  ↓
任务完成

ReAct 模式

最经典的 Agent 模式：Reasoning + Acting 交替进行。

Thought: 用户要查上海的天气，我需要调用天气 API
Action: call_weather_api(city="上海")
Observation: 上海今天 28°C，多云
Thought: 拿到天气数据了，可以回答用户了
Answer: 上海今天 28°C，多云，适合出行。

Plan-and-Execute 模式

先全局规划再逐步执行：

Plan:
  1. 搜索竞品信息
  2. 提取价格数据
  3. 生成对比表格
  4. 写分析总结

Execute step 1...
Execute step 2...

Reflexion / Self-Correct 模式

执行完一轮后让模型自己评审输出，发现问题再跑一次。代价是 token 翻倍，但能显著提升复杂任务的成功率。

Agent 的关键能力

工具调用（Tool Use）

Agent 通过 function calling / MCP 调用外部工具：

• 搜索引擎（Google / Bing API）
• 代码执行（沙箱 Python / Node.js）
• 文件操作（读写本地文件）
• API 调用（HTTP 请求）
• 浏览器自动化（Puppeteer / Playwright）

记忆（Memory）

• 短期记忆 — 当前对话上下文（在 context window 内）
• 长期记忆 — 跨会话的知识存储（向量数据库）
• 工作记忆 — 当前任务的中间状态（变量、文件、中间结果）

规划（Planning）

• 任务分解 — 把"做一个网站"拆成"设计→前端→后端→部署"
• 自我反思 — 执行失败后分析原因，调整策略
• 动态重规划 — 发现原计划不可行时及时调整

Agent vs Copilot vs Chatbot vs RPA

经常混淆的四个东西，一张表区分：

Agent 是 RPA 的下一代——RPA 写死流程，Agent 看懂目标自己想办法。

Agent 分类

按 autonomy 程度分

按场景分

Agent 平台对比

典型失败模式

知道 Agent 怎么失败，才知道怎么防。常见五种：

1. 死循环 — 模型一直觉得"再试一次就成"，反复调同一个失败的工具。防御：硬性步数上限 + 重复检测。
2. 跑偏目标 — 多步任务中模型逐步把目标改成"自己更想做的事"。防御：每 N 步把原始目标重新塞回上下文。
3. 过度自信的错误结果 — 工具返回了错误数据但模型不质疑，照单全收输出给用户。防御：critical 工具加 verifier + 让模型显式标注信心。
4. 副作用爆炸 — 比如让 Agent 整理邮件，结果它"自作主张"开始删邮件。防御：默认 read-only，写操作单独 review。
5. 上下文窗口耗尽 — 长任务下 working memory 越来越大，最后超限。防御：定期总结压缩历史、把工具输出截断。

自建 vs 用平台的决策

经验法则：先用平台跑 PoC，跑通了再考虑自建。从零写一个生产级 Agent 框架的工作量被严重低估。

当前局限

1. 可靠性 — 多步 Agent 的错误率随步骤数指数增长（10 步 × 90% = 35% 成功率）
2. 成本 — 每步都要调用 LLM，复杂任务可能花费数美元
3. 速度 — LLM 推理延迟 × 步骤数 = 等待时间长
4. 安全 — Agent 能执行真实操作，出错后果严重（删文件、发邮件）
5. 上下文窗口 — 长任务可能超出 context window

最佳实践

1. 人在回路（Human-in-the-loop） — 关键步骤让人类确认
2. 沙箱执行 — 代码在隔离环境运行，避免破坏系统
3. 限制工具范围 — 只给 Agent 必要的工具权限
4. 检查点机制 — 每步保存状态，失败可回滚
5. 超时与重试 — 防止 Agent 陷入无限循环
6. 可观察性 — 把每一步的 thought / action / observation 持久化，出问题能复盘
7. 预算硬上限 — token / 步数 / 钱都要有硬上限，到顶停止而不是无限重试

延伸阅读

• 协议层：MCP（Agent ↔ 工具）/ A2A（Agent ↔ Agent）
• 工具调用底层：Function Calling
• 上下文管理：Context Engineering