是什么
L1 · 领域总览
Agent
Agent 不是单一模型，而是围绕目标驱动的规划-执行循环构建的系统架构
为什么
掌握 Agent 架构可帮助开发者与产品团队将大模型从对话助手升级为能独立完成业务流程的自动化引擎。
怎么做
按顺序从基础概念入手，逐步学习核心模块、典型模式，最后掌握多智能体协作与执行机制。
什么时候
在已理解大模型基本能力与 Prompt 工程后进入；若仅需简单问答或单步生成，可暂缓学习。
FOCUS
下属主题
PROBLEM / POSITION / INTERFACE
先弄清它为什么存在，以及谁在使用
-
01 解决的问题
当业务需要模型自主拆解多步任务、调用外部工具或协调多个角色时
缺乏结构化规划与状态管理会导致任务中断、工具误用或结果不可控
- 成功标准
- 智能体能稳定完成端到端任务流，具备可观测性、容错机制与明确的人机边界
-
02 AI 生态位
位于大模型能力之上，整合记忆、工具、规划与执行，向上支撑自动化应用
- 上游
- 依赖大模型推理能力、工具接口规范与上下文管理机制
- 下游
- 为工作流引擎、自动化平台与业务应用提供可编排的智能执行单元
-
03 人的生态位
人类负责目标定义、关键决策与结果验收，系统负责路径探索与动作执行
- 适合使用
- 任务需多步拆解、依赖外部系统或需动态调整策略时
- 不必使用
- 任务为单步生成、规则明确或对延迟与成本极度敏感时
-
04 独特价值
将静态提示转化为动态决策循环，实现复杂任务的端到端自动化
状态一致性维护、工具调用可靠性、多步推理稳定性与人机协同边界设计
- 复杂度判断
- 复杂度不是功能数量，而是控制与验证成本。
INTERFACE FLOW
谁在操作，信息怎样流动
-
WHO OPERATES
HUMAN设定目标、选择策略、审核输出与干预异常
SYSTEM执行规划、调用工具、维护状态与反馈结果
-
INPUT
任务目标、约束条件、可用工具列表与初始上下文
-
CONTROL
规划策略、工具 Schema、记忆窗口、权限边界与重试机制
-
OUTPUT
结构化执行结果、中间状态日志、外部系统调用记录与人类可读摘要
COMPARE
下属主题怎么区分
| 维度 | Agent 基础 | 核心模块 | Agent 模式 | 协作与执行 |
|---|---|---|---|---|
| 核心问题 | 什么是 Agent 及其能力边界 | 如何构建可复用的内部组件 | 如何组织推理与行动循环 | 如何协调多个智能体完成任务 |
| 抽象层级 | 概念与范式 | 组件与接口 | 流程与控制流 | 系统与网络 |
| 典型输出 | 架构分类与适用场景 | 模块设计规范与数据流 | 模式模板与决策路径 | 协作拓扑与调度策略 |