AI Agent 详解笔记

概念解析 · 原理拆解

AI Agent 是什么？如何运作？

大模型热潮下的核心概念——Agent 并非新物种，而是对大模型能力边界的工具化延伸。

1大模型的两大局限

大模型很"能说"，但存在先天限制：
• 无法感知外界：不知道你本地的文件、代码、环境信息
• 无法改变外界：只能输出文本，不能直接写文件、运行程序

💡 核心洞察
                想让大模型真正"做事"？——给它接上工具。工具就是大模型的感官与四肢。
            

2Agent 是什么？

定义：大模型 + 一堆工具 = Agent。一个能感知外界、改变外界、自动化完成任务的智能程序。

🌰 实例 1

Cursor — 编程 Agent

提交任务后，自动调用模型和工具写代码、改文件，全程几乎无需人工干预。

🌰 实例 2

Manus — 深度搜索 Agent

自动生成执行计划、搜索浏览网页、整理报告，最终以页面形式展示给用户。

3最主流的运行模式：ReAct

ReAct = Reasoning + Acting（思考 + 行动）
2022 年 10 月论文提出，至今仍是使用最广泛的 Agent 运行框架。

① Thought（思考）

模型判断下一步该做什么

② Action（行动）

调用工具，如读文件、写文件、跑命令

③ Observation（观察）

查看工具返回结果

④ Final Answer

任务完成，输出最终答案

循环①②③，直到模型认为无需再调用工具，则输出④。

4实现奥秘：系统提示词

让模型按 ReAct 模式运行的关键不在训练过程，而在——系统提示词。系统提示词规定了模型的角色、行动规则和环境信息。

职责描述

告知模型"思考→行动→观察→循环直到给出最终答案"

示例

给出典型任务的完整 ReAct 演示用例

可用工具

如读取文件、写入文件、运行终端命令

注意事项

约束模型行为边界与安全事项

环境信息

操作系统、当前目录、文件列表等

"系统提示词相当于给模型安排了一个迷你剧本，它会严格按照剧本一步一步走完。"

5实操演示：用 DeepSeek 模拟 ReAct

将系统提示词 + 任务（写贪吃蛇游戏，HTML/CSS/JS 分文件）组装成一条消息发给 DeepSeek，模型返回：

Thought — 思考要写哪些文件

Action — 请求调用 write_file 工具，写入 index.html

← 返回 observation: 写入成功

Thought — 继续写 CSS

Action — 请求写入 style.css

← 返回 observation: 写入成功

Thought — 继续写 JS

Action — 请求写入 script.js

← 返回 observation: 写入成功

Thought → Final Answer — 文件已全部写入，任务完成 ✅

注意：大模型只是"请求"调用工具，真正的工具执行由 Agent 的调用组件完成。

6Agent 核心代码结构

核心类 ReActAgent，构造函数接收三个参数：

工具列表模型（如 GPT-4o）项目目录

run() 内部是一个 while 循环，核心逻辑：

① 组装 messages（系统提示词 + 用户任务）→ 调用模型
② 提取 Thought 并打印
③ 检测是否包含 Final Answer → 是则结束
④ 解析 Action，提取函数名和参数
⑤ 执行工具函数（若为终端命令，先征求用户同意）
⑥ 将结果作为 Observation 追加到 messages
⑦ 回到步骤①循环

🔑 状态管理
                工具执行结果被放入 messages 列表并传给模型，模型据此推断下一步行动。
            

7另一种模式：Plan and Execute

ReAct 并非唯一方案。另一种常见模式是先规划再执行，LangChain 将其落地为 Plan-and-Execute 模式。

ReAct	Plan & Execute
边想边做，每一步即时决策后续动作	先制定完整计划，再逐步执行
无需预先规划，灵活应变	执行中动态调整计划（Replan）
2022 年论文提出	LangChain 提出，Agent 内部嵌套 Agent

Plan-and-Execute 四大角色：

Plan 模型 Replan 模型执行 Agent 主程序

流程：计划 → 执行 → 重规划 → 执行 → … → 最终答案

案例：澳网冠军家乡查询

第一轮：查询当前日期 → 执行 → Replan
第二轮：查询 2025 年澳网男子冠军 → 执行 → Replan
第三轮：查询冠军家乡 → 执行 → 得到最终答案

"Agent 的流程就是把一个大模型和一堆工具组装起来，让它从'不能说'变成'能做'。"

🧭 行动建议

✓学习 Agent 实现，从经典的 ReAct 模式入门，核心理解系统提示词的设计

✓工具本质上就是函数，用 Python 写好读写文件、终端命令等基础函数即可开始

✓安全和用户体验：运行终端命令前务必询问用户，防止危险操作

✓探索 Plan-and-Execute 模式：先规划再执行，适合复杂任务拆解

✓用 LangChain 官方实现作为参考，快速搭建自己的 Agent 原型

8总结

Agent 的本质：大模型 + 工具调用能力。
ReAct 模式：Thought → Action → Observation 循环，系统提示词引导模型的每一步决策。
Plan-and-Execute：先规划、后执行、动态重规划，适合更复杂的任务结构。
工具：就是函数，Agent 主程序负责串联模型与工具，最终完成任务闭环。

由 CuteNote.app 颜值笔记生成