Agent 到底是什么？智能体八问

2026年6月10日·0xPM

AIAgent

系列AI 初探2 / 3

一、Agent 到底是什么？

最核心的一句话：

Agent = 能自主决策、连续行动、完成目标的 AI 系统

跟普通 LLM 的区别在于：

	普通 LLM	Agent
交互模式	你问它答，单轮	它自己规划、执行、迭代
工具使用	无	能调用工具（搜索、代码、API）
记忆	无（context 窗口内）	有持久记忆
目标导向	回答当前问题	完成一个任务目标
失败处理	没有	能感知失败并重试

二、Agent 的底层结构（四件套）

感知 → 规划 → 行动 → 反馈

感知：读取输入（用户指令、环境状态、工具返回）
规划：决定下一步做什么（ReAct、CoT、Tree of Thought）
行动：调用工具 / 写代码 / 调 API / 操作界面
反馈：观察结果，决定继续 / 修正 / 停止

这个循环可以跑很多轮，直到目标完成。

三、Agent 产品最核心的特征

只有三个，缺一个都不能叫真 Agent 产品：

1. 自主性（Autonomy）

不需要用户每一步都介入。给一个目标，它自己拆解、执行。这是和 Copilot（辅助工具）最本质的区别。

2. 工具调用（Tool Use）

光靠语言模型本身不够，Agent 必须能操作外部世界——搜索、写文件、调接口、执行代码。没有工具调用，就只是个聊天机器人。

3. 多步推理 + 错误恢复（Multi-step + Recovery）

真实任务不会一步成功。Agent 产品必须能处理中间失败，能 retry、能换策略。这是工程难点，也是产品设计难点。

四、最有用的一个理解框架

把 Agent 想成一个有目标的员工，而不是一个有问必答的工具：

普通 LLM = 你问什么它答什么的实习生
Agent = 你交代一个任务、它自己想办法完成、遇到问题自己解决的员工

Agent 产品的核心设计问题因此变成：

目标怎么传达？（任务输入设计）
中间过程用户看不看得见？（可解释性/透明度）
失败了谁来兜底？（Human-in-the-loop 设计）
记忆怎么管理？（跨任务的上下文）

五、Agent 产品通用技术架构

从底层到上层，分五层：

第一层：模型层（Brain）

就是 LLM 本身，负责理解和推理。

选哪个模型（GPT-4o / Claude / 开源）
是否需要 Fine-tune
推理策略：ReAct、CoT、Tree of Thought

PM 关注点：模型能力天花板决定 Agent 上限，换模型是最快的产品升级路径。

第二层：记忆层（Memory）

Agent 的"大脑存储"，分四种：

类型	是什么	举例
In-context	当前对话窗口内	本轮聊天记录
External Memory	向量数据库长期存储	用户历史偏好
Episodic	过去任务的执行记录	"上次搜索失败用了这个策略"
Semantic	结构化知识图谱	GraphRAG、知识库

PM 关注点：记忆设计直接决定 Agent 能不能"越用越聪明"，是产品留存的核心。

第三层：工具层（Tools）

Agent 的"手脚"，让它能操作外部世界。

工具分三类：
├── 信息获取类：搜索、RAG检索、读文件、爬网页
├── 执行操作类：写代码、调API、操作数据库、发邮件
└── 感知环境类：读截图、监听事件、获取链上状态

工具调用的标准协议现在基本是 MCP，这是工具层的基础设施。

PM 关注点：工具集合决定 Agent 的能力边界，工具的可靠性决定产品的稳定性。

第四层：规划层（Planning）

Agent 怎么把目标拆解成行动序列。

两种主要模式：

单 Agent 规划

目标 → 拆子任务 → 逐步执行 → 汇总结果

多 Agent 协作

Orchestrator（总指挥）
├── Sub-Agent A：负责搜索
├── Sub-Agent B：负责写代码  
└── Sub-Agent C：负责验证结果

Manus 就是多 Agent 架构，每个 Agent 专职一件事，Orchestrator 统一调度。

PM 关注点：单 Agent 简单但能力有限，多 Agent 强大但调试地狱。产品复杂度决定选哪个。

第五层：执行与反馈层（Action & Feedback Loop）

这是让 Agent 真正"自主"的关键。

执行动作
    ↓
观察结果（成功 / 失败 / 部分完成）
    ↓
判断下一步
├── 成功 → 继续下一个子任务
├── 失败 → 重试 / 换策略 / 降级
└── 不确定 → 暂停，请求人工介入

Human-in-the-loop 就设计在这一层——什么时候 Agent 自己决策，什么时候必须问人。

完整架构图

用户输入 / 任务目标
         ↓
   ┌─────────────┐
   │   规划层     │ ← 任务拆解、策略选择
   └──────┬──────┘
          ↓
   ┌─────────────┐     ┌──────────────┐
   │   模型层     │ ←→  │   记忆层      │
   └──────┬──────┘     └──────────────┘
          ↓
   ┌─────────────┐
   │   工具层     │ ← 搜索/代码/API/链上
   └──────┬──────┘
          ↓
   ┌─────────────┐
   │ 执行&反馈层  │ ← 结果观察、错误恢复
   └──────┬──────┘
          ↓
   成功完成 / 请求人工介入

最有用的 PM 视角

技术架构对 PM 的意义不是去实现，而是知道哪层出问题会导致什么产品现象：

用户抱怨	根因在哪层
"记不住我的偏好"	记忆层设计缺失
"任务做到一半卡住了"	规划层 + 反馈层
"总是调错工具"	工具层的描述/选择逻辑
"答案一本正经但完全错了"	模型层能力上限
"我不知道它在干什么"	缺少执行过程透明化的产品设计

六、Agent vs 工作流

最核心的区别：决策权在谁手里

	工作流（Workflow）	Agent
路径	预先定义好	运行时自主决定
决策者	开发者/设计者	模型本身
分支条件	硬编码的 if/else	模型推理出来的
适合场景	流程固定、可预期	目标明确、路径不确定
可靠性	高（可预测）	低（非确定性）
灵活性	低	高

一个比喻

工作流 = 地铁，轨道固定，每站必停，快但只能去站点有的地方
Agent = 出租车，你说目的地，它自己找路，能去任何地方但可能绕路

现实中的混合地带

实际产品很少是纯 Agent，更多是工作流 + Agent 节点的混合：

固定流程：用户输入 → 意图识别 → 路由
                              ↓
                    [Agent节点] 自主完成子任务
                              ↓
                    固定流程：结果格式化 → 输出

Coze、Dify 本质上都是这种混合架构——外层是工作流，内层节点可以挂 Agent。

工作流解决的是效率问题，Agent 解决的是不确定性问题。当任务路径无法提前穷举时，才真正需要 Agent。

七、主流 Agent 框架

分三类来看：

第一类：编排框架（管规划层+执行层）

LangGraph

把 Agent 行为建模成有向图（节点=动作，边=条件）
支持循环、条件分支、Human-in-the-loop
覆盖层：规划层 + 执行&反馈层
适合：需要精确控制流程的生产级 Agent

AutoGen（微软）

多 Agent 对话框架，Agent 之间互相发消息协作
覆盖层：规划层（多 Agent 协作）
适合：多角色协作任务（写代码+review+测试）

CrewAI

更高层的多 Agent 框架，用"角色+目标"定义 Agent
覆盖层：规划层
适合：快速搭原型，不适合精细控制

第二类：记忆框架（专攻记忆层）

Letta（原 MemGPT）

专门解决长期记忆问题，有 in-context/archival/recall 三层记忆
覆盖层：记忆层

Mem0

轻量级持久记忆层，可以接入任何 Agent 框架
覆盖层：记忆层

Zep

偏向对话历史的结构化存储和检索
覆盖层：记忆层

第三类：工具/集成框架（专攻工具层）

LlamaIndex

核心是 RAG，但现在也支持 Agent + 工具调用
覆盖层：工具层（信息获取）+ 部分记忆层

MCP（Model Context Protocol）

Anthropic 提出的工具调用标准协议
覆盖层：工具层的接口标准

第四类：完整平台（All-in-One）

LangChain

最早的 Agent 框架，覆盖几乎所有层
但太重、抽象太多，生产环境问题多
现在更多作为胶水层用

Haystack

企业级，偏 RAG + Pipeline，也支持 Agent
覆盖层：工具层 + 规划层

八、框架 vs 五层架构的对应

┌─────────────┬──────────────────────────────────────────┐
│    层       │  对应框架                                  │
├─────────────┼──────────────────────────────────────────┤
│ 模型层       │ 不在框架范围，直接调 API（OpenAI/Anthropic）│
│ 记忆层       │ Letta、Mem0、Zep、LlamaIndex              │
│ 工具层       │ MCP、LlamaIndex、LangChain Tools          │
│ 规划层       │ LangGraph、AutoGen、CrewAI                │
│ 执行&反馈层   │ LangGraph（最完整）、LangChain             │
└─────────────┴──────────────────────────────────────────┘

没有任何一个框架完整覆盖五层，生产级 Agent 产品通常是：

LangGraph（规划+执行）
+ Letta/Mem0（记忆）
+ MCP（工具协议）
+ 直连模型 API（模型层）

加载中…