《深入理解 AI Agent：设计原理与工程实践》

第一章 AI Agent 入门总结

一、AI Agent 的兴起：从对话工具到自主智能系统

随着大语言模型（Large Language Model，LLM）的快速发展，人工智能正在从传统问答模式逐渐走向自主执行任务的新阶段。

过去的 AI 更多是：

用户输入问题 → 模型生成回答

而现代 AI Agent 已经能够：

理解用户目标；
自主规划任务步骤；
调用外部工具；
根据执行结果调整策略；
完成复杂的长流程任务。

AI Agent 的本质并不是简单聊天机器人，而是一种能够感知环境、进行决策并采取行动的智能系统。

二、现代 Agent 的核心公式

理解 AI Agent 最重要的公式：

[
Agent = LLM + Context + Tool
]

也可以理解为：

Agent = 大脑 + 眼睛 + 手脚

组成部分	作用	类比
LLM	理解、思考、规划、决策	大脑
Context	提供环境信息、历史状态、知识	眼睛
Tool	执行动作、改变外部环境	手脚

三者共同构成现代 Agent 的基础。

三、LLM：Agent 的大脑

LLM 是 Agent 的决策核心，负责：

理解用户意图；
分析任务目标；
拆解复杂任务；
制定执行计划；
判断下一步行动。

LLM 通过预训练获得世界知识和语言能力，通过后训练获得更加稳定的决策能力。

四、上下文：Agent 的眼睛

上下文决定 Agent 能够看到什么信息。

上下文主要包括：

1. 系统提示词

定义 Agent 的身份、规则和行为方式。

2. 工具定义

告诉模型有哪些工具可以使用，以及工具参数。

3. 用户消息

当前任务输入。

4. 模型历史回复

包括之前的思考、回复和工具调用。

5. 工具执行结果

提供行动后的反馈。

上下文缺失会导致：

无法调用工具；
重复执行任务；
决策混乱；
无法根据反馈调整。

五、工具：Agent 的手脚

工具使 Agent 从“知识回答者”变成“任务执行者”。

主要包括五类：

1. 感知工具

用于获取信息：

搜索引擎；
文件读取；
数据库查询；
API。

2. 执行工具

用于改变现实：

执行代码；
修改文件；
调用外部服务。

3. 协作工具

用于：

调用其他 Agent；
请求人工确认；
多 Agent 协作。

4. 事件触发工具

例如：

邮件通知；
定时任务；
Webhook。

5. 用户沟通工具

例如：

消息；
邮件；
电话。

六、ReAct：Agent 的核心运行循环

ReAct（Reasoning + Acting）描述了 Agent 的基本工作方式：

思考 → 行动 → 观察 → 思考 → 行动

执行过程：

LLM 分析当前任务；
决定下一步动作；
调用工具；
获取工具反馈；
根据结果继续调整。

这种循环使 Agent 能够完成复杂多步骤任务。

七、Agent 的三种学习方式

1. 上下文适应

发生在当前任务中。

特点：

快速；
成本低；
不永久保存。

2. 外部产物更新

将经验保存为：

知识库；
Prompt；
Skill；
程序；
Harness。

特点：

可长期保存；
可人工修改；
可审计。

3. 模型参数更新

通过：

SFT；
强化学习。

改变模型自身能力。

三者关系：

上下文：
临时适应

外部产物：
经验积累

模型参数：
能力内化

八、Harness 工程：模型之外的竞争力

简单 Agent：

[
Agent = LLM + 上下文 + 工具
]

生产级 Agent：

[
Agent = LLM + [上下文 + 工具 + 约束 + 验证 + 纠正]
]

其中：

1. 约束

限制 Agent 能做什么。

例如：

权限控制；
操作范围限制。

2. 验证

检查 Agent 是否正确。

例如：

结果检查；
自动测试。

3. 纠正

错误恢复。

例如：

API 重试；
调整执行策略。

Harness 让 Agent 从“能够运行”变成“可靠运行”。

九、从工作流到自主 Agent

Agent 开发不应该一开始追求完全自主。

推荐路线：

提示词优化
↓
工作流设计
↓
自主 Agent

原因：

工作流更加稳定；
风险更低；
更容易控制。

十、安全问题是架构问题

AI Agent 安全需要从系统设计阶段考虑。

主要包括：

模型层：防止目标偏移；
上下文层：防止提示注入和信息泄露；
工具层：防止越权操作；
协作层：防止权限冲突。

安全不是上线后的补丁，而是架构的一部分。

十一、第一章核心总结

1. Agent 的本质

AI Agent 是：

能够感知环境、进行决策、调用工具并持续调整策略的智能系统。

2. Agent 核心结构