智能体（Agent）总览

先说结论

AI 智能体是指以 LLM 为核心决策引擎，能够感知环境、规划任务、调用工具、根据反馈自主调整的自主系统，实现了从"只能说话"到"能做事"的关键跃迁。

QUESTION 面试高频：什么是 AI Agent？和普通 LLM 有什么区别？ 普通 LLM 是"被动应答"——用户问什么回答什么，没有行动能力。Agent 的核心区别在于自主性：它能自主规划任务步骤、选择和调用工具、观察执行结果、根据反馈调整策略。如果说 LLM 是"大脑"，Agent 就是"大脑 + 手脚 + 感官"。

Agent 核心架构

ReAct 循环

Agent 的基本范式是 ReAct（Reasoning + Acting） 循环：

用户目标
   ↓
Thought（推理）：分析当前状态，决定下一步
   ↓
Action（行动）：调用工具或执行操作
   ↓
Observation（观察）：获取工具返回结果
   ↓
Thought → Action → Observation ... （循环直到完成）
   ↓
Answer（回答）：返回最终结果

QUESTION 面试高频：ReAct 框架的核心思想是什么？ ReAct 的核心是将**推理（Reasoning）和行动（Acting）**交织进行。传统做法要么是纯推理（Chain-of-Thought），要么是纯行动（端到端工具调用）。ReAct 让模型在每一步都先"想清楚"再"动手"，既有可解释性又能处理复杂任务。

Agent 系统组件

Agent 分类

QUESTION 面试高频：Agent 的规划能力如何实现？ 三种主要方式：单步规划（ReAct）——每步只规划一个行动，适合简单任务；多步规划（Plan-and-Execute）——先制定完整计划再逐步执行，适合复杂任务但缺乏灵活性；动态规划（Tree-of-Thought）——维护多棵搜索树，允许回溯和调整，适合需要探索的任务。实践中通常结合使用：先用 Plan-and-Execute 制定大纲，再用 ReAct 执行每一步。

主流 Agent 框架对比

Agent 关键能力

1. 工具调用（Tool Use）

Agent 通过 Function Calling 与外部工具交互：

# 工具定义
tools = [
    {
        "name": "search_web",
        "description": "搜索互联网获取信息",
        "parameters": {
            "query": {"type": "string", "description": "搜索关键词"},
            "num_results": {"type": "integer", "description": "返回结果数量"}
        }
    }
]

2. 记忆系统

3. 规划与推理

Agent 安全与控制

QUESTION 面试高频：Agent 系统有哪些安全风险？

安全最佳实践

1. 人工审批（Human-in-the-Loop）：涉及写入/删除/支付等操作必须人工确认
2. 最大步数限制：设置 Agent 循环上限（通常 10-20 步）
3. Token 预算：为每次任务设定 Token 消耗上限
4. 工具权限分级：只读工具放开，写操作工具需要审批
5. 沙箱执行：代码执行类工具必须在沙箱中运行

工程落地时我会怎么做

1. 从 ReAct 开始：先用简单的 ReAct 循环验证可行性，再引入复杂规划
2. 工具设计优先：工具描述的质量直接决定 Agent 的表现
3. 设置护栏：最大步数、Token 预算、人工审批一道都不能少
4. 可观测性：记录完整的 Thought-Action-Observation 轨迹
5. 评估 Agent 表现：端到端任务成功率比单步准确率更重要
6. 成本控制：监控每次任务的 Token 消耗，设置预算上限

如果要对外讲，可以怎么概括

"Agent 是 LLM 从'只能说话'到'能做事'的关键跃迁。核心架构是 ReAct 循环——Thought-Action-Observation 交替进行，让模型在每一步都先'想清楚'再'动手'。Agent 的关键能力包括工具调用（Function Calling）、记忆系统（短期/长期记忆）和规划推理（Plan-and-Execute）。在框架选择上，复杂多智能体选 LangGraph，数据密集型选 LlamaIndex，轻量级 OpenAI 专用选 Agents SDK。但最重要的是安全和控制——Agent 失控的代价远大于普通 LLM，必须设置护栏：最大步数限制、Token 预算、人工审批，以及工具权限分级。我的实践经验是：从简单开始，工具设计比框架选择更重要，可观测性是上线的前提。"

最后记几条

1. ReAct 是 Agent 的基本范式：推理 + 行动交替循环
2. 工具描述质量决定 Agent 上限：模型对工具的理解完全依赖描述
3. 安全护栏是 Agent 的生命线：最大步数、Token 预算、人工审批缺一不可
4. 框架选择不如架构设计重要：核心逻辑保持框架无关
5. Agent 评估看端到端任务成功率：而非单步工具调用准确率

参考资料

• Yao, S. et al. "ReAct: Synergizing Reasoning and Acting in Language Models" (ICLR 2023)
• Shinn, N. et al. "Reflexion: Language Agents with Verbal Reinforcement Learning" (NeurIPS 2023)
• Significant Gravitas, "AutoGPT" (2023)
• OpenAI Agents SDK: https://github.com/openai/openai-agents-python
• Wu, Q. et al. "AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation" (2023)

延伸阅读

• 大模型总索引