Agent（智能体）

什么是 Agent？

Agent（智能体）是一种能够 自主感知环境、做出决策并执行行动 的AI系统。它不仅能回答问题，还能：

• 自主规划：将复杂任务分解为可执行的步骤
• 使用工具：调用API、操作文件、执行代码等
• 记忆与反思：保持上下文、理解自身行为的结果
• 多轮交互：与用户或环境持续对话直到达成目标

简单理解：Agent = LLM（大脑）+ Tools（手脚）+ Memory（记忆）+ Planning（规划）

---

Agent vs Workflow

维度	Workflow（工作流）	Agent（智能体）
控制流	预定义的固定流程	动态自主决策
灵活性	低（按步骤执行）	高（可适应变化）
确定性	高（确定性输出）	低（探索性）
适用场景	流程固定的任务	目标明确但路径不确定的任务
人类干预	可预设审批节点	通常自主运行

核心区别：Workflow 是「写好的剧本」，Agent 是「会自主思考的演员」。

示例对比

• Workflow：用户上传图片 → 自动压缩 → 添加水印 → 发送邮件（固定流程）
• Agent：「帮我分析竞品并写成报告」→ Agent自主决定先搜索什么、读取哪些数据、如何组织报告

---

Agent 的核心范式

1. 单 Agent 模式（Single Agent）

单个Agent作为核心，拥有自己的：

• Planner：将任务分解为子目标
• Memory：存储历史对话和中间结果
• Tools：调用外部能力完成任务

┌─────────────────────────────────┐
│           Single Agent          │
│  ┌─────┐  ┌──────┐  ┌───────┐  │
│  │Plan │──│Memory│──│Tools  │  │
│  └─────┘  └──────┘  └───────┘  │
└─────────────────────────────────┘

2. 多 Agent 协作模式（Multi-Agent）

多个专业Agent协同工作，通常有两种形态：

2.1 主从模式（Supervisor Pattern）

一个主Agent协调多个子Agent：

• 主Agent负责任务分解和结果整合
• 子Agent专注执行特定子任务

2.2 对等模式（Peer Pattern）

Agent之间平等协作，通过协商完成复杂任务

        Supervisor
           │
    ┌──────┼──────┐
    ▼      ▼      ▼
  Agent1  Agent2  Agent3

3. Tool-Augmented Agent

强调Agent与外部工具的深度集成：

• RAG（检索增强生成）：从知识库获取信息
• 代码执行：沙箱环境运行代码
• API调用：操作外部服务
• 文件系统：读写本地文件

4. React / RePlan 范式

范式	核心思想	适用场景
ReAct	思考(Reason) → 行动(Act) → 观察(Observation) 循环	需要外部环境的任务
RePlan	Planning → Executing → Revising	长时间跨度的复杂任务
Plan-and-Execute	先规划再执行，可回溯调整	任务目标明确但步骤不确定

5. Reflexion / Self-Reflection 范式

Agent具备自我反思能力：

1. 执行动作
2. 评估结果是否符合预期
3. 如有问题，分析原因并调整策略
4. 继续执行

---

Agent 的关键组件

核心组件

组件	作用
LLM（大脑）	理解指令、生成响应、决策推理
Planning（规划器）	分解任务、制定执行计划
Memory（记忆）	短期上下文 + 长期知识存储
Tools（工具）	扩展Agent能力边界
Critic（评审）	评估行动效果，引导自我改进

记忆系统

Memory = {
    "短期记忆": "当前对话上下文（通常由LLM Context Window处理）",
    "长期记忆": "持久化存储的经验和知识（向量数据库/文件）"
}

---

学习路径

4.Skills → 5.MCP → 6.Agent → 实践项目

---

相关资源

• LangChain Agent文档
• AutoGen 多Agent框架

---

反链

TABLE file.ctime as 创建时间, file.mtime as 修改时间
FROM ""
WHERE contains(file.outlinks, 6.Agent)
SORT file.mtime DESC