Agent（智能体）是 AI 领域从"模型"走向"系统"的关键跃迁。LLM 是一个强大的"大脑"，但 Agent 赋予了 AI 感知环境、制定计划、执行行动和从经验中学习的能力——它不再只是回答问题，而是自主完成任务。

一句话解释

Agent = LLM（大脑）+ 感知（输入）+ 规划（思考）+ 行动（工具调用）+ 记忆（经验积累）。LLM 是引擎，Agent 是整车。

核心问题

为什么需要 Agent？

1. LLM 的局限：LLM 只能根据输入生成文本，无法主动获取信息、执行操作、或从错误中学习
2. 复杂任务需要多步骤：现实世界的任务往往需要规划、执行、验证、调整的循环
3. 与环境交互：很多任务需要与外部系统（API、数据库、文件系统）交互，而非纯文本生成
4. 持续学习：Agent 可以从过去的成功和失败中积累经验，不断改进策略

Agent 的定义与核心能力

定义

AI Agent 是一个能够自主感知环境、做出决策、执行行动并从反馈中学习的智能系统。其核心是 LLM 作为推理引擎，但 Agent 远不止是 LLM。

四大核心能力

┌─────────────────────────────────────────┐
│              AI Agent                    │
│                                         │
│  ┌──────────┐    ┌──────────┐          │
│  │  感知     │    │  规划     │          │
│  │Perception│    │ Planning │          │
│  │          │    │          │          │
│  │ 接收输入  │    │ 制定计划  │          │
│  │ 理解环境  │    │ 分解任务  │          │
│  └────┬─────┘    └────┬─────┘          │
│       │               │                 │
│       └───────┬───────┘                 │
│               ▼                         │
│         ┌──────────┐                    │
│         │  LLM     │  ← 推理引擎        │
│         │ (大脑)    │                    │
│         └────┬─────┘                    │
│              │                          │
│       ┌──────┴──────┐                   │
│       ▼             ▼                   │
│  ┌──────────┐  ┌──────────┐            │
│  │  执行     │  │  记忆     │            │
│  │ Execution│  │ Memory   │            │
│  │          │  │          │            │
│  │ 调用工具  │  │ 存储经验  │            │
│  │ 操作环境  │  │ 学习改进  │            │
│  └──────────┘  └──────────┘            │
└─────────────────────────────────────────┘

能力	说明	实现方式
感知（Perception）	接收和理解来自用户、环境、工具的多模态输入	文本解析、结构化数据提取、多模态理解
规划（Planning）	将复杂任务分解为可执行的子任务序列	CoT、ToT、Plan-and-Solve、任务分解
执行（Execution）	调用外部工具执行具体操作	Tool Use工具调用设计、Function Calling、API 调用
记忆（Memory）	存储和检索过去的经验和信息	Memory记忆系统、短期/长期记忆、向量存储

Agent 与 LLM 的关系

LLM 是 Agent 的"大脑"，但 Agent 是一个完整的系统：

维度	LLM	Agent
本质	文本生成模型	任务执行系统
输入	文本 Prompt	多模态感知
输出	文本	行动（工具调用、API 请求等）
状态	无状态（每次独立）	有状态（记忆系统）
环境交互	无	通过工具与环境交互
学习能力	参数中的知识	经验记忆 + 策略改进
错误处理	无法自我修正	通过 Reflection 自我修正

关键洞察：LLM 的能力上限决定了 Agent 的能力天花板，但 Agent 的工程设计（工具、记忆、规划策略）决定了能否达到这个天花板。

Agent 发展简史

阶段 1: 反应式 Agent（1980s-1990s）
 ├─ Brooks 的 Subsumption Architecture（1986）
 ├─ 直接感知→行动，无内部模型
 └─ 适用于简单、确定性环境

阶段 2: 基于目标的 Agent（1990s-2000s）
 ├─ BDI（Belief-Desire-Intention）模型
 ├─ 有内部状态和目标，能做规划
 └─ 适用于结构化环境（棋类游戏、机器人路径规划）

阶段 3: 基于效用的 Agent（2000s-2010s）
 ├─ 引入效用函数，能在多个目标间做权衡
 ├─ 强化学习驱动的决策
 └─ 适用于复杂决策环境（推荐系统、自动驾驶）

阶段 4: LLM-based Agent（2023-至今）
 ├─ LLM 作为通用推理引擎
 ├─ ReAct、Reflexion、AutoGPT 等范式
 ├─ 工具使用 + 记忆系统 + 多 Agent 协作
 └─ 适用于开放式、非结构化任务

LLM-based Agent 的突破性在于：LLM 提供了通用的语言理解和推理能力，使得 Agent 不再需要为每个任务专门设计决策逻辑，而是通过自然语言"理解"任务并"推理"出行动方案。

Agent 的分类体系

按架构分类

类型	特征	优势	劣势	代表
Reactive（反应式）	感知→行动，无记忆	简单、快速	无法处理复杂任务	简单聊天机器人
Deliberative（审慎式）	内部建模 + 规划→行动	能处理复杂任务	规划成本高	AutoGPT、BabyAGI
Hybrid（混合式）	反应式 + 审慎式结合	灵活、平衡	设计复杂	大多数现代 Agent 框架
Learning（学习型）	从经验中学习和改进	持续优化	需要大量经验数据	Reflexion、Voyager

按自主性层级分类

层级	名称	描述	人类参与
Level 0	无自动化	完全手动	100%
Level 1	辅助	AI 提供建议，人类决策	90%
Level 2	部分自动化	AI 执行部分任务，人类监督	60%
Level 3	条件自动化	AI 自主执行，人类在需要时介入	30%
Level 4	高度自动化	AI 自主完成大部分任务，人类仅审核	10%
Level 5	完全自动化	AI 完全自主，无需人类参与	0%

当前大多数 LLM Agent 处于 Level 2-3 之间。

Agent 与 Automation 的边界

维度	Automation（自动化）	Agent（智能体）
决策方式	预定义规则	动态推理
适应性	固定流程	根据环境调整
异常处理	预设异常路径	自主处理未知情况
任务范围	单一、重复性任务	开放式、多样化任务
示例	RPA 流程、CI/CD Pipeline	研究助手、代码开发助手

关键区分：Automation 是"按剧本演出"，Agent 是"即兴表演"。

Agent 的核心挑战

1. 对齐（Alignment）

Agent 的行动必须符合人类意图和价值观。LLM 的对齐问题在 Agent 中被放大——Agent 不仅生成文本，还执行行动，错误行动的代价远高于错误文本。

2. 安全（Safety）

Agent 能调用工具、访问系统，意味着潜在的攻击面更大。需要严格的权限控制、操作审计和沙箱执行。详见 Agent权限与安全。

3. 可控性（Controllability）

Agent 的自主性越高，可控性越难保证。需要在"自主执行"和"人类监督"之间找到平衡。关键机制：

• 操作确认（高风险操作需人类确认）
• 执行日志（完整记录 Agent 的决策和行动链）
• 紧急停止（随时可以中断 Agent 执行）

4. 可靠性（Reliability）

LLM 的不确定性导致 Agent 行为不可完全预测。改进方向：

• 结构化输出（减少 LLM 输出的随机性）
• 确定性工作流（关键路径用代码而非 LLM 控制）
• 回退机制（LLM 失败时的降级策略）

Agent 五要素框架

本知识库的 Agent 模块围绕五个核心要素展开：

Agent 五要素
├── Reasoning（推理）→ [ReAct模式](/zh/notes/AI/05_Agents/ReAct模式)
├── Action（行动）  → Tool Use工具调用设计
├── Reflection（反思）→ [Reflection反思机制](/zh/notes/AI/05_Agents/Reflection反思机制)
├── Tool（工具）    → Tool Use工具调用设计
└── Memory（记忆）  → [Memory记忆系统](/zh/notes/AI/05_Agents/Memory记忆系统)

这五个要素构成了 Agent 的核心循环：推理→行动→观察→反思→记忆→再推理。

相关项目资源

• AI Agent 面试与工程知识体系 — Agent 工程化知识体系
• Universal AI Memory Layer Platform 方案 — 记忆层平台方案
• 统一 AI 工具链同步方案：QCoder - Cursor - Codex - Claude Code - Trae — 工具链集成

常见误区

• Agent = LLM：Agent 是系统，LLM 只是其中的推理引擎
• Agent 越自主越好：当前阶段，人类监督和介入仍然不可或缺
• 忽视安全：Agent 能调用工具意味着能执行操作，安全风险远大于纯文本 LLM
• 所有任务都用 Agent：简单的文本生成、翻译、总结不需要 Agent，用 LLM 直接完成即可

可继续补充的方向

• Agent 的设计模式（单 Agent vs 多 Agent）
• Agent 的评估框架和基准测试
• Agent 的工程化部署（可扩展性、容错性）
• Agent 的伦理和法律问题

关联笔记

• Agent基础 — Agent 基础概念
• Agent工作流 — Agent 的工作流程设计
• ReAct模式 — Agent 的核心推理范式
• Reflection反思机制 — Agent 的自我修正机制
• Tool Use工具调用设计 — Agent 的工具使用
• Memory记忆系统 — Agent 的记忆架构
• 多Agent协作 — 多 Agent 系统
• Agent评估 — Agent 效果评估