Agent的本质定义

Agent+大语言模型（LLM）+推理能力+工具能力

让llm具备自主感知 决策 执行 反思的闭环能力 可调用外部工具解决复杂任务

核心原理框架

graph lr

A 用户目标

B 感知模块

C规划与决策

D工具调用

E执行反馈

F结果评估

G输出结果

ABCDEF完成—》G

ABCDEF未完成-》CDEF 循环

关键组件

感知模块

目标 理解用户的意图与上下文

实现

提示词工程+上下文学习

规划与决策

目标 拆解任务 制定步骤 选择工具

实现

chain-of-Thought（思维链）+ReAct框架

工具库

目标 扩展 LLM能力边界（搜索/计算/API等）

实现

函数描述（openapi格式）+注册机制

执行引擎

目标 调用工具并处理返回结果

实现

代码解释器（python）+api调用代理

反思机制

目标 验证结果的有效性 错误了重新规划

实现

self-Critique+递归迭代

完整工作流程（旅游示例）

任务解析

用户输入：

帮我规划一个3日大连5000元的旅行，需要包含水上乐园

agent处理

1.识别关键要素：地点+上海， 时长=3日， 预算=5000， 强制约束=迪士尼

2.拆解子任务：[“查询大连天气”，“检索水上乐园门票价格”，“查找经济型酒店”，“规划交通路线”]

动态规划与工具调用

sequenceDiagram

participant Agent

participant Tool_Weather

participant Tool_Search

participant Tool_Calculator

Agent->Tool_Weather (调用天气查询api 地点+日期)->（晴天）Agent-》Tool_Search（搜索当前经典门票价格）-》（票价）agent-》Tool_Calculator（计算总额）-》（总额）Agent

反思与优化

检查预算

总额《预算 -》符合

遗漏检测

发现未安排的——》追加差价

生成最终方案

结构化输出日程表-》费用清单

核心架构模式

ReAct范式（让我想起了古法 3w2H  5w1H   理由+行动）

提示词结构示例

思考：我需要查询水上乐园票价 -》调用搜索工具

行动：{“tool”:”Websearch”,”input”:”2025水上乐园成人票价”}

观察：官网显示平均票价599

思考：计算两人门票为599+599 -》调用计算器验证

行动：{“tool”:”Calculator”,”input”:”599*2″}

观察：结果=1198

分层决策架构

graph TB

A任务层

B元Agent

C工具调用Agent

D数学计算Agent

E安全审核Agent

F网络搜索

GAPI调用

A-B-C

A-B-D

A-B-E

A-B-F

A-B-G

关键优化技术

工具选择错误

工具描述向量化+相似度匹配

无限循环

ps:递归设置退出条件啊 老弟  设置最大迭代次数 + 死循环检测

幻觉调用

工具权限沙箱（禁止文件删除）+输出格式校验

长程依赖

记忆机制（向量存储历史步骤）+关键信息抽取

典型Agent类型

单Agent

框架 AutoGPT

场景 简单任务 文件处理 数据查询

多Agent协作

框架MetaGPT/Camel

场景 复杂工程 产品设计 代码生成

垂域Agent

框架 ChemCrow

场景 专业领域 药物研发 法律分析

具身Agent

框架RT-X

场景 机器人控制 视觉动作闭环

开发工具栈

核心框架|                    LangChain，LlamaIndex                            |Azure AutoGen

工具管理|          LangChain Tools， huggingface Agents            | AWS Bedrock Agents

记忆模块|                 Redis向量库， PGVector                                |Zilliz Cloud

调试监控|                     LangSmith,Prometheus                              | Datadog LLM Observability

性能瓶颈与局限

调用成本

复杂任务耗时

工具链可靠性