Agent是什么，它能做什么事？

Agent到底是什么，和普通问答有什么不同？

Agent（智能体）是一种以大模型为核心，能够围绕任务目标自主进行决策和执行的应用系统。大模型为Agent提供语言理解、推理和内容生成等基础能力，使其能够理解用户提出的任务并分析当前信息。在此基础上，Agent进一步将模型的推理能力用于任务执行：面对一个目标，它不仅需要生成回答，还需要判断为了完成目标应该做什么，并通过工具获取外部信息或执行具体操作。当任务包含多个步骤时，Agent还可以利用前一步获得的结果继续判断下一步操作，必要时调整原有计划，直到任务完成。因此，Agent关注的重点从“根据输入生成什么内容”扩展到了“围绕目标如何完成任务”。这里所说的自主决策并不是完全不受限制地行动，而是在预先设定的任务范围、工具和权限内，根据当前状态选择合适的操作。所以说，Agent不是一种独立于大模型的新模型，而是以大模型作为理解和决策核心，并将模型与外部能力结合起来形成的任务执行系统。

Agent适合处理包含多个步骤、需要使用外部信息或工具，并且执行过程可能根据中间结果发生变化的任务，常见的应用场景包括信息检索、数据分析、软件开发和业务自动化等。例如，在信息检索场景中，Agent可以根据任务搜索并整理不同来源的资料；在数据分析场景中，可以读取数据、完成计算并生成分析结果；在软件开发场景中，可以编写代码、执行测试并根据运行结果继续修改；在业务自动化场景中，可以连接数据库和业务系统，完成数据查询、工单处理等操作。对于翻译、摘要、改写等可以直接通过模型生成完成的任务，通常不需要使用Agent。

一个Agent，需要哪些部分配合？

LLM，理解任务并判断下一步

Agent的核心，负责处理用户输入、生成响应和进行决策等，相当于Agent的“大脑”。因为Agent不是按预设路径行动，而是根据实时情况动态调整其行为策略，所以LLM不仅负责理解和生成内容，还需要根据当前任务和执行结果判断下一步操作，决定如何与外部环境进行交互。Agent通过Prompt（提示词）规定LLM的角色、任务目标、行为规则和权限边界，让LLM在预先设定的范围内进行决策和执行。

Planning，把任务拆成可执行的步骤

负责制定Agent的行动计划，包括将复杂任务分解为多个子任务，并确定后续的执行步骤。Agent在处理多步骤任务时，不仅需要制定行动计划，还需要根据任务的执行情况进行调整。例如，当工具返回的结果与预期不同，或者获得的信息不足时，Agent可以调整原有计划，重新确定下一步操作。Planning模块使Agent能够根据任务状态动态规划和调整后续行动。

Memory，记住任务进展和需要的信息

用于存储Agent的记忆，包括短期记忆和长期记忆。短期记忆主要保存当前会话或任务中的信息，长期记忆则用于保存需要长期使用的信息。记忆是一个动态、可访问且可更新的系统。动态是指记忆可以随着新的信息和任务状态发生变化；可访问是指Agent能够根据需要检索和使用存储在记忆中的信息；可更新则是指Agent可以根据新的信息和执行结果对已有记忆进行补充或修改。随着记忆不断更新，Agent可以利用交互和任务经验改进后续的判断和决策，提升对不同任务和环境的适应能力。

Tools，让模型能够实际执行操作

Agent可以使用的各种工具，包括搜索引擎、数据库、计算器、代码执行环境以及通过API提供的各种外部服务。Tools模块的核心作用是扩展Agent与外部环境交互的能力，使Agent不仅能够生成内容，还能够获取外部信息和执行具体操作。

在使用Tools模块时，Agent需要根据当前任务和上下文判断是否需要使用工具，以及选择哪个工具。有效地使用工具不仅指选择正确的工具，还包括怎么高效地利用工具，减少不必要的工具使用。当任务需要多个工具配合完成时，Agent还需要根据工具返回的结果决定是否继续调用其他工具，并对不同工具的结果进行整合。因此，Tools模块不仅为Agent提供外部能力，还要求Agent能够根据任务需要合理选择和使用工具。

Agent是一个集成了LLM、Planning、Memory和Tools的系统，如下图所示。这些模块共同协作，使Agent能够自主执行任务、学习并改进其行为。

接到任务以后，Agent怎样一步步做下去？

Agent接收到任务后，需要根据任务目标和当前信息决定如何推进任务。例如，有些任务可以一边调用工具一边根据返回结果决定下一步操作；有些复杂任务需要先拆分步骤，再逐步执行；对于生成的结果，还可以进一步检查和修改。当一个Agent难以完成全部任务时，也可以由多个Agent分工协作。

根据任务特点和执行方式不同，Agent可以采用不同的任务执行模式。下面介绍ReAct、Plan-and-Execute、Reflection和多Agent协作四种常见模式，它们分别从动态执行、任务规划、结果改进和任务分工等方面组织Agent的任务执行过程。

ReAct模式

ReAct（Reasoning and Acting）是一种将推理和行动结合起来的任务执行方式，由Shunyu Yao等人提出。大模型根据当前信息进行推理并采取行动，再根据行动获得的新信息继续推理和行动，直到任务完成。

ReAct的典型过程包括Thought（推理）、Action（行动）和Observation（观察）。其中，Thought表示模型根据当前信息进行分析，判断下一步应该做什么；需要获取外部信息或执行某项操作时，模型生成相应的Action，例如调用搜索工具或查询数据库；工具执行后返回的结果作为Observation提供给模型，模型再结合这些新信息继续进行判断。

在任务执行过程中，Thought、Action和Observation会根据任务需要交替出现，形成推理、行动和观察相互配合的执行过程。其典型过程可以表示为：

Thought → Action → Observation → Thought → Action → Observation → …… → 最终结果

例如，用户询问：“2024年诺贝尔物理学奖获得者是谁？其中年龄最大的是哪一位？”

Agent首先判断需要获得2024年诺贝尔物理学奖的获奖名单，因此调用搜索工具进行查询。获得名单后，发现还需要比较获奖者的年龄，于是继续查询他们的出生日期。获得所需信息后，Agent再进行比较并生成最终答案。