AI Agent 概述与架构
00:00
AI Agent 概念、发展历程、与 LLM 的关系、Agent 架构模式及应用场景。
1. AI Agent 概念
AI Agent（人工智能代理）是一种能够自主感知环境、做出决策并执行动作以实现特定目标的智能系统。与传统的 LLM 聊天机器人不同，Agent 具备自主性、反应性、主动性和社交性等核心特征。
1.1 Agent 的核心特征
| 特征 | 描述 | 示例 |
|---|---|---|
| 自主性 | 无需人类持续干预即可运行 | 自动完成代码审查并提交 PR |
| 反应性 | 感知环境变化并及时响应 | 检测到错误后自动修复 |
| 主动性 | 主动采取行动以实现目标 | 主动搜索文档解决技术问题 |
| 社交性 | 与其他 Agent 或人类协作 | 多 Agent 协作完成复杂项目 |
1.2 Agent 与 LLM 的关系
LLM（大语言模型）是 Agent 的大脑，但 Agent 远不止 LLM：
┌─────────────────────────────────────┐
│ AI Agent │
│ ┌───────────────────────────────┐ │
│ │ LLM (大脑) │ │
│ │ 推理 / 规划 / 决策 │ │
│ └───────────────────────────────┘ │
│ ┌──────────┐ ┌──────────────────┐ │
│ │ 记忆系统 │ │ 工具集 │ │
│ │ 短期/长期│ │ 搜索/代码/API │ │
│ └──────────┘ └──────────────────┘ │
│ ┌───────────────────────────────┐ │
│ │ 规划模块 │ │
│ │ 任务分解 / 反思 / 改进 │ │
│ └───────────────────────────────┘ │
└─────────────────────────────────────┘- LLM：提供语言理解和推理能力
- Agent：在 LLM 基础上增加感知、行动、记忆和规划能力
- 关系：LLM ⊂ Agent，Agent = LLM + 工具 + 记忆 + 规划
1.3 发展历程
| 阶段 | 时间 | 代表工作 | 特点 |
|---|---|---|---|
| 符号 Agent | 1950s-1980s | 专家系统、SHRDLU | 基于规则，知识工程 |
| 反应式 Agent | 1990s | Subsumption Architecture | 无内部模型，直接映射 |
| 混合 Agent | 2000s | BDI 架构 | 结合符号与反应式 |
| 深度学习 Agent | 2015s | DQN、AlphaGo | 端到端学习策略 |
| LLM Agent | 2023- | AutoGPT、BabyAGI | 基于大模型的通用 Agent |
2. Agent 架构模式
2.1 ReAct（推理+行动）
ReAct 是最经典的 Agent 架构，将**推理（Reasoning）和行动（Acting）**交织进行：
# ReAct 模式示例
from langchain.agents import create_react_agent
prompt_template = """
你是一个智能助手，请按照以下格式回答问题：
Question: 输入的问题
Thought: 你思考该做什么
Action: 要使用的工具名称
Action Input: 工具的输入参数
Observation: 工具执行的结果
... (Thought/Action/Action Input/Observation 可以重复)
Thought: 我现在知道最终答案了
Final Answer: 最终答案
"""
agent = create_react_agent(llm, tools, prompt_template)
result = agent.invoke({"input": "北京今天的天气如何？"})ReAct 工作流程：
用户输入 → Thought → Action → Observation → Thought → ... → Final Answer优点：可解释性强、推理过程透明 缺点：可能陷入循环、token 消耗较多
2.2 Plan-and-Execute（规划与执行）
将任务先整体规划，再逐步执行：
# Plan-and-Execute 模式示例
from langgraph.prebuilt import create_react_agent
from langchain_core.prompts import ChatPromptTemplate
planner_prompt = ChatPromptTemplate.from_messages([
("system", """你是一个任务规划专家。给定一个目标，请制定详细的执行计划。
每个步骤应该是具体、可执行的。输出格式：
1. 步骤一
2. 步骤二
..."""),
("human", "{objective}")
])
# 规划阶段
plan = planner.invoke({"objective": "开发一个REST API服务"})
# 执行阶段
for step in plan.steps:
result = executor.invoke({"task": step})
# 根据执行结果可能重新规划
if result.needs_replan:
plan = replanner.invoke({"original_plan": plan, "feedback": result})优点：全局视角、适合复杂任务 缺点：规划可能不准确、需要重新规划机制
2.3 Reflexion（反思）
在执行后进行自我反思，从失败中学习：
# Reflexion 模式示例
class ReflexionAgent:
def __init__(self, llm, max_attempts=3):
self.llm = llm
self.max_attempts = max_attempts
self.memory = [] # 存储反思结果
def execute(self, task):
for attempt in range(self.max_attempts):
# 生成行动
action = self.generate_action(task, self.memory)
# 执行并获取结果
result = self.execute_action(action)
# 评估结果
if self.is_successful(result):
return result
# 反思失败原因
reflection = self.reflect(task, action, result)
self.memory.append(reflection)
def reflect(self, task, action, result):
prompt = f"""
任务: {task}
执行的行动: {action}
结果: {result}
请反思为什么失败了，以及下次应该如何改进。
"""
return self.llm.invoke(prompt)优点：自我改进、从错误中学习 缺点：需要多次尝试、成本较高
2.4 Multi-Agent（多智能体）
多个 Agent 协作完成复杂任务，详见多Agent系统。
3. Agent 核心组件
3.1 通用 Agent 架构
┌─────────────────────────────────────────────┐
│ Agent │
│ │
│ ┌─────────┐ ┌─────────┐ ┌────────────┐ │
│ │ 感知模块 │ │ 决策模块 │ │ 行动模块 │ │
│ │Perception│→│Decision │→│ Action │ │
│ └─────────┘ └─────────┘ └────────────┘ │
│ ↑ ↑ │ │
│ │ ┌────┴────┐ │ │
│ │ │ 记忆 │ │ │
│ │ │ Memory │←───────┘ │
│ │ └─────────┘ │
│ │ ↑ │
│ │ ┌────┴────┐ │
│ │ │ 规划 │ │
│ │ │Planning │ │
│ │ └─────────┘ │
└─────────────────────────────────────────────┘3.2 组件说明
| 组件 | 职责 | 实现方式 |
|---|---|---|
| 感知 | 接收用户输入、环境状态 | LLM 输入处理、API 调用 |
| 决策 | 选择下一步行动 | LLM 推理、规则引擎 |
| 行动 | 执行具体操作 | 工具调用、代码执行 |
| 记忆 | 存储历史信息 | 向量数据库、对话历史 |
| 规划 | 制定执行策略 | 任务分解、子目标生成 |
4. 应用场景
4.1 个人效率
- 编程助手：代码生成、调试、代码审查
- 写作助手：内容创作、翻译、摘要
- 研究助手：文献检索、数据分析、报告生成
4.2 企业应用
- 客服 Agent：智能问答、工单处理、用户引导
- 数据分析 Agent：自动生成报表、异常检测、趋势分析
- 运维 Agent：监控告警、故障排查、自动修复
4.3 自动化工作流
- 文档处理：合同审查、信息提取、格式转换
- 项目管理：任务分配、进度跟踪、风险预警
- 测试自动化：测试用例生成、执行、结果分析
4.4 典型 Agent 产品
| 产品 | 类型 | 特点 |
|---|---|---|
| Cursor | 编程 Agent | IDE 集成、代码生成与编辑 |
| Devin | 软件工程师 Agent | 全栈开发、自主调试 |
| Manus | 通用 Agent | 多任务处理、工具集成 |
| Coze | Agent 平台 | 低代码构建、插件生态 |
| Dify | Agent 开发平台 | 可视化编排、RAG 集成 |
5. Agent 开发入门
5.1 最简 Agent 实现
import json
from openai import OpenAI
client = OpenAI()
# 定义工具
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "获取指定城市的天气信息",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string", "description": "城市名称"}
},
"required": ["city"]
}
}
}
]
def agent_loop(user_message):
messages = [{"role": "user", "content": user_message}]
while True:
response = client.chat.completions.create(
model="gpt-4o",
messages=messages,
tools=tools
)
msg = response.choices[0].message
messages.append(msg)
# 如果没有工具调用，返回最终回答
if not msg.tool_calls:
return msg.content
# 执行工具调用
for tool_call in msg.tool_calls:
func_name = tool_call.function.name
args = json.loads(tool_call.function.arguments)
# 执行对应函数
if func_name == "get_weather":
result = get_weather(args["city"])
messages.append({
"role": "tool",
"tool_call_id": tool_call.id,
"content": str(result)
})
# 运行 Agent
answer = agent_loop("北京今天适合出门吗？")
print(answer)5.2 Agent 设计原则
- 明确目标：清晰定义 Agent 的职责边界
- 工具精简：只提供必要的工具，避免选择困难
- 错误处理：设计重试和回退机制
- 可观测性：记录 Agent 的推理和行动过程
- 安全边界：限制 Agent 的权限和操作范围
6. 学习路线
入门 → LLM 基础 → Prompt Engineering → Function Calling
→ Agent 框架 → 工具集成 → 记忆与规划 → 多 Agent 系统
→ 评估与安全 → 实战项目推荐学习顺序
- 理解 LLM 基础和 Prompt Engineering
- 掌握 Function Calling 和工具使用
- 学习 Agent 框架（LangChain / CrewAI）
- 实现记忆和规划模块
- 构建多 Agent 协作系统
- 关注评估和安全问题
- 完成实战项目
7. 小结
AI Agent 是 LLM 能力的延伸和增强，通过添加工具、记忆和规划能力，使 LLM 从被动应答转变为主动执行。理解 Agent 的核心架构模式（ReAct / Plan-and-Execute / Reflexion / Multi-Agent）是构建有效 Agent 系统的基础。在实际开发中，需要根据任务复杂度选择合适的架构模式，并关注可观测性、安全性和成本控制。