什么是 AI Agent

AI Agent（人工智能代理）是一个能够感知环境、自主决策并采取行动以完成目标的软件系统。

与普通程序不同，AI Agent 的核心特征是自主性：它不只是被动地响应单次输入，而是能够：

  • 制定多步骤计划
  • 调用外部工具（搜索、代码执行、API 调用等）
  • 根据执行结果动态调整策略
  • 持续循环直到目标完成

AI Agent 的定义

从学术角度，Agent 的经典定义来自 Russell & Norvig（《人工智能：一种现代方法》）：

Agent 是任何能够通过传感器感知环境、并通过执行器对环境采取行动的事物。

在 LLM 时代，AI Agent 的定义更具体：

AI Agent 是以大语言模型为核心推理引擎，能够自主规划任务、调用工具、与外部系统交互，并通过反馈循环完成复杂目标的自治系统。

Agent 的四个核心要素

要素 说明
感知（Perception） 接收输入：用户指令、工具返回结果、环境状态
规划（Planning） 将目标分解为可执行的子任务序列
行动（Action） 调用工具、执行代码、调用 API、操作文件等
记忆（Memory） 短期记忆（上下文窗口）+ 长期记忆（向量数据库等）

AI Agent 与 LLM 的关系

LLM 是 Agent 的"大脑"

LLM（大语言模型）和 AI Agent 是组件与系统的关系：

  • LLM 是一个语言模型，本质上是"输入文本 → 输出文本"的函数，擅长理解、推理和生成文本
  • AI Agent 是一个完整系统，以 LLM 作为核心推理引擎，并在外部集成工具、记忆、规划等模块

LLM 不只在规划阶段起作用，而是作为推理引擎贯穿整个"思考-决策"过程：

阶段 LLM 的作用
规划 将目标拆解为子任务，决定执行顺序
决策 判断下一步该调用哪个工具、传什么参数
观察理解 解读工具返回的结果，判断是否达到目标
生成输出 将执行结果整理成自然语言回复用户
实际执行 ❌ 调用 API、写文件等由工具负责，不是 LLM

类比来说：LLM 像人的大脑，工具像人的手。大脑在每一步都在工作（理解、规划、判断），手只在需要具体操作时才动。

用户目标
   ↓
AI Agent
├── LLM（推理 / 规划 / 决策）
├── 工具（搜索、代码执行、数据库查询...）
├── 记忆（上下文 + 长期存储）
└── 执行器（实际调用外部系统）
   ↓
完成目标

关键区别

维度 LLM AI Agent
本质 语言模型（函数） 自治系统
交互方式 单次问答 多步骤循环
工具使用 不能主动调用工具 能调用外部工具
自主性 被动响应 主动规划和执行
记忆 仅限上下文窗口 可有持久化记忆
目标完成 单次回答 持续执行直到完成

LLM 的局限性与 Agent 的补充

LLM 本身有明显局限：

  • 知识截止日期：训练数据有截止日期，无法获取最新信息
  • 无法执行操作：只能输出文字，不能真正操作系统或调用 API
  • 上下文长度限制：复杂任务超出单次上下文能力
  • 无状态：每次对话独立，没有跨会话记忆

AI Agent 通过外部模块弥补这些局限：

  • 工具调用（Tool Use）：赋予 LLM 搜索网络、执行代码、读写文件的能力
  • RAG（检索增强生成）：从外部知识库检索最新或私有信息
  • 持久化记忆：跨会话记住用户偏好和历史状态
  • 多步骤规划：将复杂任务拆解，逐步完成

Agent 的典型运行循环（ReAct 模式）

思考（Thought）→ 行动（Action）→ 观察（Observation）→ 思考...

目标：查询北京今天的天气并发送邮件

Thought: 我需要先查询天气，再发送邮件
Action: search_weather(city="北京")
Observation: 北京今天晴，25°C

Thought: 获得了天气信息，现在发送邮件
Action: send_email(to="user@example.com", content="北京今天晴，25°C")
Observation: 邮件发送成功

Thought: 任务完成

常见 AI Agent 框架

  • LangChain / LangGraph — Python，功能全面，生态丰富
  • CrewAI — 多 Agent 协作框架
  • AutoGen — 微软出品，支持多 Agent 对话
  • OpenAI Assistants API — 官方托管的 Agent 能力

参考