普通的大模型调用是”一问一答”：给提示词，返回文本。而 AI Agent（智能体）让模型从”会说”变成”会做”：围绕一个目标自主地规划步骤、调用工具、观察结果、修正行动，直到任务完成。

什么是 Agent

一个 Agent 通常由四部分组成：

  • 大模型：负责理解、推理与决策的”大脑”
  • 规划：把大目标拆解为可执行的步骤
  • 记忆：短期记忆（当前对话上下文）与长期记忆（向量库持久化）
  • 工具：搜索、代码执行、数据库查询、API 调用等外部能力

模型本身只会生成文本，工具让它的双手伸向真实世界。

核心循环：思考-行动-观察

Agent 的运行是一个循环（ReAct 范式）：

  • 思考（Reason）：分析当前状态，决定下一步做什么
  • 行动（Act）：调用某个工具，带上参数
  • 观察（Observe）：读取工具返回结果，作为新的上下文
  • 循环以上步骤，直到认为目标达成，输出最终答案

例如”帮我查北京明天天气并写进日报”：Agent 先调天气 API，观察结果，再调文档工具写入，最后汇总回复。每一步的决策都由模型根据累积上下文做出。

工具调用：Function Calling

工程上，工具以”函数签名”（名称、描述、参数 schema）注册给模型：

  • 模型在回复中输出结构化的调用意图（函数名 + 参数）
  • 运行时执行函数，把结果回填给模型
  • 工具描述写得好不好，直接决定模型会不会用、用对用错

这与微服务里”接口文档质量决定调用方能否正确集成”是同一个道理。

规划与多智能体

复杂任务需要显式规划：

  • 任务分解：先列出子任务清单（计划），再逐项执行
  • 反思修正：执行失败时回顾原因、调整计划，而非盲目重试
  • 多智能体：多个角色分工（规划者、执行者、审查者），类似团队协作

局限与现实

Agent 目前仍有明显边界：

  • 错误会沿循环累积，一步错可能步步错
  • 长循环消耗大量 token，成本与延迟都高
  • 工具权限越大，误操作风险越大，需要沙箱与确认机制

因此落地时常见做法是：把 Agent 限制在流程清晰、工具受限的场景（客服工单、数据查询、代码修复），而非放任其自由发挥。Agent 的价值不在于”全自动”，而在于把人从重复的多步操作中解放出来。