Agent（智能体工作流）

定义

Agent（智能体）指以 LLM 为"大脑"，结合规划、工具调用、记忆与环境交互，在循环中自主完成多步任务的系统。与单轮问答不同，Agent 能感知环境（读文件、跑命令、调 API）、根据反馈调整行动，直到达成目标或主动求助。它是 Agentic Coding（辅助编程侧）在应用开发侧的对应范式。

核心公式（常见表述）：Agent = LLM + 工具 + 记忆 + 循环。

核心特点

自主循环：在"思考→行动→观察"中反复迭代，而非单轮生成。
工具使用：调用外部工具/API 扩展能力边界（搜索、计算、代码执行、数据库）。
规划能力：把目标拆解为子任务序列，必要时重规划。
记忆机制：短期（本次会话）+ 长期（跨会话/向量库）记忆。
环境感知：读取真实环境状态，行动接地。
可中断/可审批：成熟框架支持人在环上审批关键动作。

工作流程

flowchart TD
    A[目标输入] --> B[LLM: 规划/思考]
    B --> C[选择并调用工具]
    C --> D[环境返回观察]
    D --> E[更新记忆]
    E --> F{达成目标?}
    F -- 否 --> B
    F -- 是 --> G[交付结果]
    F -- 卡住 --> H[主动求助/降级]

关键组件：

Planner：LLM 把目标拆为子任务（todo list / DAG）。
Actor：执行子任务，调用工具。
Memory：
- 短期：本次会话进展、中间结果。
- 长期：向量库/知识图谱/数据库，跨会话复用。
Tools：函数/API 集合，含描述供模型选择。
Controller：循环控制、终止判断、异常处理、人在环上审批。

优缺点

优点

处理复杂任务：多步、跨工具、需反馈的任务单轮 LLM 难以胜任。
接地反馈：基于真实环境结果自纠，比纯推理更可靠。
可扩展：新增工具即扩展能力，无需重训模型。
可监督：日志/审批机制让人保持控制权。
复用性：同一 Agent 框架可承载多种任务。

缺点

失控风险：错误工具调用可能造成实际影响（删数据、发邮件）。
成本与延迟：长循环消耗大量 token 与时间。
循环陷阱：可能陷入死循环或反复试错不收敛。
规划质量瓶颈：LLM 规划能力不足时拆解错误，全盘皆错。
调试难：行为由模型动态决定，复现与定位困难。
安全：工具权限、prompt injection、数据泄露等风险需护栏。

实战示例

场景：客服 Agent 处理"查订单 + 申请退款"。

目标：用户说"我昨天下的单想退"。
规划：① 查用户最近订单 → ② 确认订单状态 → ③ 判断是否符合退款规则 → ④ 若符合则发起退款并通知。
行动：
- 调 getRecentOrders(userId) → 拿到订单 #123。
- 调 getOrderStatus(#123) → 已发货但未签收。
- 查退款规则（RAG）→ 未签收可退。
- 调 createRefund(#123, reason) → 退款单生成。
- 调 sendNotification(userId, ...) → 通知用户。
记忆：记录本次处理，便于后续追问。
交付：回复用户"已为您发起退款，预计 3-5 工作日到账"。

注意事项

工具护栏：危险操作（退款、转账、删除）需人工审批或二次确认。
终止条件：设最大步数/超时/成本上限，防死循环。
工具描述清晰：模型按描述选工具，描述不清会误选。
记忆治理：长期记忆需过期、纠错、隐私策略。
安全：防 prompt injection 经工具输入污染模型决策。
可观测：记录每步思考、工具调用、观察，便于复盘。
评估：用端到端任务基准（如 AgentBench）评估，而非单步指标。
人在环上：关键/不可逆操作必须人确认。

对比与选型建议

维度	Agent	RAG	单轮 LLM
自主性	高	低	无
步数	多步	单步检索	单步
工具	必需	可选	无
适合	复杂多步任务	知识问答	简单问答/生成
风险	高	低	低

选型建议：单轮能解决别上 Agent；需多步/工具/反馈才用 Agent。Agent 常内嵌 RAG 作为"知识工具"。

参考资料

Lilian Weng, "LLM Powered Autonomous Agents"
ReAct（Yao et al.）、Reflexion、Toolformer 等基础论文
框架：LangGraph、AutoGen、CrewAI、LlamaIndex Agents
评估：AgentBench、SWE-bench、τ-bench

03-agent