自学教程

AI Agent 核心组件

AI Agent 教程

AI Agent核心架构拆解：读懂智能体五大组件与运行闭环

很多人以为AI Agent只是“会调用工具的大模型”，实际上它是一套完整协同工作的软件系统。如果把Agent比作一家可以帮你处理需求的智能服务小店，它就包含感知层、LLM大脑、规划层、工具层、记忆层五大模块，各模块配合，形成“感知‑思考‑行动‑观察”的循环闭环，才可以自主完成复杂多步骤任务。

通俗类比

  • 感知层：前台接待员，接收客户各种各样的输入；
  • LLM大脑：店长，理解需求、做关键决策；
  • 规划层：出餐流程单，把大任务拆解成一步步可执行子任务；
  • 工具层：后厨厨具、外部合作渠道，真正动手干活；
  • 记忆层：客户记录本，记住对话上下文、用户习惯、历史经验。

一、感知层Perception：Agent的感官

感知层是Agent和外部世界交互的入口，负责接收各式各样的外部输入，整理成大脑可以读懂的上下文信息。

不只有纯文本指令，现代Agent支持多模态输入：

  1. 文本：用户提问、文档、工具返回结果；
  2. 图像、截图、图表：看图理解内容；
  3. 结构化数据：表格、JSON接口返回数据；
  4. 环境状态：网页DOM、屏幕画面、工具执行反馈。

重点：上一轮工具调用返回的结果，也会作为新的感知输入，送入下一轮循环。Agent就是靠这个机制拿到工具干活之后的反馈，决定下一步怎么做。

二、LLM大脑Brain：智能体的决策核心

大模型是整个Agent的指挥中枢，比如GPT‑4o、Claude、DeepSeek、通义千问。
它主要承担三件事：

  1. 意图理解：读懂用户真实目标，过滤无关信息；
  2. 推理决策：结合记忆与工具返回结果，判断下一步要做什么；
  3. 工具调用判断：判断要不要调用工具，选择哪个工具，生成正确的调用参数（Function Calling函数调用）。

重要认知：Agent的上限由大脑决定。同一套工具、同一套框架，换推理更强的大模型，整体任务完成质量会产生质的飞跃；并不是参数量越大Agent就越强，工具调用、逻辑推理能力更加关键。

Function Calling（函数调用）：现在通用的工具交互标准。开发者提前定义工具名称、入参格式。大模型输出结构化JSON，写明调用哪个工具、填什么参数；外部程序执行工具，再把执行结果交还给大模型。大模型本身不直接执行代码或者访问网络。

三、规划层Planning：把大目标拆成可执行步骤

收到一个复杂模糊目标，Agent不能直接蛮干。规划层负责任务拆解、步骤排序、反思纠错。市面上有多种主流推理规划范式，适用场景各不相同。

范式全称核心思路适用场景
CoT思维链Chain‑of‑Thought强制模型一步步线性写出推理过程数学题、纯逻辑推理，不需要调用工具
ReAct推理+行动Reason+Act思考→调用工具→观察结果，交替循环执行Agent最主流范式，大量需要工具调用的任务
ToT思维树Tree‑of‑Thoughts同时探索多条解题路径，择优前进复杂决策、创意类任务
Reflection自我反思做完任务之后复盘，找出错误，迭代优化代码编写、长文档生成

ReAct是工业界Agent最常用的模式，完整循环：Thought思考 → Action行动调用工具 → Observation观察工具返回结果，循环直到任务结束。

举个例子，需求：查询明天北京天气，如果下雨就给小王发送提醒。
思考：我需要先调用天气查询工具，获取明天北京天气；
行动：调用天气API；
观察：接口返回明天北京下雨；
思考：满足下雨条件，接下来需要调取小王联系方式，调用消息发送工具；
行动：读取记忆库联系人，调用发送消息；
观察：消息发送成功；任务结束。

四、工具层Tools：Agent和真实世界交互的双手

大模型本身只有训练学到的静态知识，不能联网、不能读写文件、不能发邮件。工具就是Agent触碰外部世界的手脚。

工具大致分为四类：

  1. 信息获取类：联网搜索、网页抓取、数据库、RAG知识库；用来拿实时、私有资料；
  2. 计算执行类：代码解释器、数学计算；处理复杂运算、数据统计；
  3. 内容生成类：文生图、语音合成，产出多媒体内容；
  4. 系统交互类：API接口、邮件、日历、读写本地文档，对接业务系统。

注意：大模型只负责“决定调用哪个工具，参数写什么”，真正运行逻辑全部由外部工具完成。

五、记忆层Memory：智能体的记忆系统

如果没有记忆，Agent每一轮循环都会失忆。Agent的记忆分为四类，分工各不相同。

  1. 短期记忆（上下文记忆）
    相当于草稿纸，保存当前任务全部对话、每一轮工具返回结果，受限于大模型上下文窗口长度；任务结束之后可以清空。只服务于本次会话。
  2. 语义记忆Semantic Memory
    存放通用事实、知识库内容，一般由RAG检索增强生成实现，把私有文档存入向量数据库，需要的时候检索出来，作为参考信息。
  3. 情节记忆Episodic Memory
    相当于Agent的日记本，记录历史任务完整执行过程：上次做了什么任务，踩过什么坑，用向量数据库持久存储。开启新任务可以读取过往经验，少走弯路。
  4. 用户长期偏好记忆
    记住用户个人习惯，比如“用户不吃香菜”“用户喜欢早班航班”，跨会话保留用户个性化设置。

通俗区分：短期记忆=正在写的草稿；语义记忆=参考图书馆；情节记忆=个人日记本；用户偏好记忆=客户档案。

六、完整Agent闭环实战演示

举一个完整流程：用户指令：帮我查明天北京的天气，如果下雨，写提醒消息发给小王。

  1. 感知层：接收用户自然语言，提取实体：地点北京、时间明天、联系人小王；
  2. LLM大脑：理解目标，判断需要调用天气、消息发送工具；
  3. 规划层（ReAct）：拆解步骤：①查询天气 ②判断是否下雨 ③如满足条件读取小王联系方式 ④发送提醒；
  4. 工具层：调用天气查询工具，拿到结果“明天北京有雨”；
  5. 记忆层：读取记忆库，获取小王的联系方式；
  6. 工具层：调用消息发送工具，发送提醒；
  7. 观察反馈：确认消息发送成功；
  8. 判定全部条件达成，终止循环，向用户输出任务完成总结。

七、组件对应的工程现实问题

五大组件看着强大，实际落地会遇到不少坑：

  1. 感知层：多模态识别出错，图片、截图理解偏差，直接导致后续全部步骤跑偏；
  2. 大脑LLM：工具调用幻觉，编造不存在工具、参数填错；
  3. 规划层：复杂长链条任务，步骤拆解错乱；ReAct循环陷入死循环，反复调用同一个工具；
  4. 工具层：工具执行报错，异常没有捕获；高危工具缺少权限管控；
  5. 记忆层：上下文窗口超限丢失信息；记忆检索召回错误，带入错误旧经验。

✅工程缓解思路：

  • 设置最大循环轮次，强制终止死循环；
  • 对工具入参做校验，捕获工具异常；
  • 高危操作强制插入人工审核节点；
  • 记忆检索做好过滤，避免召回无关历史记录。

写在最后

AI Agent不是什么魔法，它是感知层‑LLM大脑‑规划‑工具‑记忆五大组件协同组成的闭环系统。
大模型只是其中一个模块，不是全部。很多时候Agent表现差，不一定是大模型不够强，可能是规划逻辑缺陷、工具异常、记忆检索出错。

开发Agent不要上来追求完全自主超级智能；稳妥落地思路：先把感知、工具调用跑通，再逐步增加规划、记忆能力，同时做好循环限制、异常捕获。

标签：

0 条笔记