AI Agent¶
AI Agent 是一个围绕目标持续获取状态、决定下一步行动、调用外部能力并根据结果调整行为的系统。 在本知识库中，“Agent”默认指以大语言模型作为核心决策组件的 Agent。
最小闭环¶
- 接收目标和当前环境信息。
- 判断任务是否已经完成。
- 选择下一步行动，必要时调用工具。
- 读取行动结果。
- 更新工作状态并继续，直到完成、失败或触发人工接管。
因此，“使用了 LLM”不等于“是 Agent”。如果系统只根据一次输入生成一次文本，没有行动、反馈和 状态更新，它更接近普通的模型调用或工作流节点。
常见组成¶
- 模型：理解任务、生成候选行动和综合结果。
- 规划：分解目标、维护步骤并根据观察调整计划。
- 工具：搜索、代码执行、数据库、API 或物理执行器。
- 记忆/状态：保存当前任务状态，以及可供未来任务使用的信息。
- 控制层：限制循环、处理异常、记录轨迹并实施权限策略。
“LLM + 规划 + 记忆 + 工具”是有用的教学概括，但工程系统不一定把它们实现为四个独立模块。
能力边界¶
Agent 的优势来自闭环执行，不来自“自主”这个标签本身。系统最终能力仍受以下因素限制：
- 模型能否正确理解任务和工具返回；
- 工具是否提供充分、可靠且权限合适的能力；
- 环境能否给出可观察的反馈；
- 是否存在明确的完成条件和失败恢复路径；
- 关键结果是否能被验证。