如果你问 ChatGPT"帮我查一下明天北京天气,然后建议我穿什么",它大概率会告诉你"我无法获取实时天气数据"。但如果你把同样的问题交给一个 AI Agent,它会自己调用天气 API,拿到明天北京 8℃、有风的预报,再结合"体感偏冷"的常识,给出"建议穿厚外套加围巾"的答案。
这中间的差别,就是 Agent(智能体) 与普通聊天机器人的本质区别:前者只会"说",后者能"做"。
用一句话定义:AI Agent 是以大语言模型为"大脑",能够自主感知环境、制定计划、调用工具、执行动作并根据反馈调整策略的系统。
它和传统程序的关键差异在于"自主性"。传统程序是"人写好每一步,机器照做";Agent 是"人给出目标,机器自己想办法达成"。这个"想办法"的过程,通常包含四个核心模块:
模块 | 作用 | 类比 |
|---|---|---|
感知(Perception) | 接收用户指令、环境信息 | 眼睛和耳朵 |
规划(Planning) | 拆解任务、决定下一步 | 大脑前额叶 |
记忆(Memory) | 保存对话历史、中间结果 | 笔记本 |
工具(Tools) | 调用搜索、代码、API 等外部能力 | 双手 |
其中"规划"是灵魂。目前业界最主流的范式叫 ReAct(Reasoning + Acting),即"边想边做":模型先思考"我现在该干什么",执行一个动作,观察结果,再思考下一步,如此循环,直到任务完成。
理论说再多不如看代码。下面是一个约 50 行的极简 Agent 骨架,用伪代码风格展示 ReAct 循环的本质(实际项目中可替换为 OpenAI、通义千问等任意模型接口):
import json
def run_agent(goal, tools, llm, max_steps=8):
"""tools: {name: callable},llm: 接收 prompt 返回文本的函数"""
history = [f"目标:{goal}"]
for step in range(max_steps):
# 1. 让模型思考:下一步做什么?
prompt = build_prompt(history, tools.keys())
thought = llm(prompt) # 模型输出形如 {"action": "search", "args": {...}}
# 2. 解析模型的决策
try:
decision = json.loads(thought)
except json.JSONDecodeError:
history.append("模型输出格式错误,请重试")
continue
# 3. 任务结束判断
if decision["action"] == "finish":
return decision["args"]["answer"]
# 4. 执行工具,观察结果
tool_name = decision["action"]
if tool_name not in tools:
observation = f"工具 {tool_name} 不存在"
else:
observation = tools[tool_name](**decision["args"])
# 5. 把"动作 + 观察"写回记忆,进入下一轮
history.append(f"动作:{tool_name}({decision['args']})")
history.append(f"观察:{observation}")
return "达到最大步数,任务未完成"
def build_prompt(history, tool_names):
return f"""你是一个 Agent。可用工具:{list(tool_names)}。
请以 JSON 回复,格式:{{"action": "工具名或finish", "args": {{...}}}}
历史记录:
{chr(10).join(history)}
"""配套的工具可以这么写:
def search_weather(city):
return f"{city}明天 8℃,北风 3 级" # 真实场景替换为 API 调用
tools = {"search_weather": search_weather}
print(run_agent("明天北京穿什么?", tools, my_llm))别小看这几十行——它已经包含了 Agent 的全部骨架:目标 → 思考 → 行动 → 观察 → 再思考。Claude Code、AutoGPT 这些复杂系统,本质上都是在这个循环上不断加固:更强的规划、更长的记忆、更多的工具、更严的安全护栏。
1. 编码助手:这是目前落地最成熟的场景。Agent 能读代码库、改文件、跑测试、根据报错自我修复,代表产品有 Claude Code、Cursor 的 Agent 模式。
2. 数据分析:给它一个 Excel 和一句"分析销售趋势",它会自己写 pandas 代码、执行、画图、写结论。
3. 客服与流程自动化:查订单、改地址、发起退款——这些需要调多个内部系统的活儿,正是 Agent 的主场。
4. 深度研究:同时发起几十次搜索,交叉验证信息,最后产出一份带引用的报告。
Agent 很诱人,但今天的它并不完美,几个坑绕不开:
因此业界的共识是:Agent 的设计要"宁笨勿险"——高风险动作必须由人确认,工具权限最小化,关键步骤留日志。
AI Agent 的意义不在于它比聊天机器人"更聪明",而在于它把大模型从"信息的生产者"变成了"行动的发起者"。这带来想象力的同时,也带来了责任:当一个系统能自主做事时,我们如何确保它做对的事?
技术上,答案在循环的每一次迭代里;工程上,答案在每一道护栏里;而产品上,答案在于——让 Agent 做它擅长的执行,把最终判断权留给人。 这或许才是智能体最务实的落地姿势。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。