Agent 原理与 ReAct

一句话理解

Agent = 感知 (Perceive) + 思考 (Think) + 行动 (Act) + 观察 (Observe) 的自主循环系统。Agent 不是”被程序控制的工具”，而是”能自主决策和执行的数字实体”——它感知环境、推理下一步、执行动作、观察结果，然后根据观察调整策略，持续循环直到完成任务。

核心概念

Agent 的定义

Agent 是一个能够自主感知环境、做出决策、执行动作并从结果中学习的系统。与传统的程序不同，Agent 的决策者不是”人预先编写的逻辑”，而是”模型在运行时的推理”。

Agent 的四个核心能力

能力	英文	说明	本 Vault 中的实现
感知	Perceive	获取环境信息：文件系统、API响应、用户输入	读取 .md 文件、导航文件夹结构
思考	Think	推理下一步：分析信息、分解任务、制定计划	分析摘要、判断需要哪些全文
行动	Act	执行动作：调用工具、读写文件、发送消息	读取文件、创建笔记、调用 MCP 工具
观察	Observe	评估结果：检查输出、验证正确性、调整策略	检查读取结果、判断信息是否足够

ReAct 循环的完整工作流

ReAct (Reasoning + Acting) 是 Agent 的核心执行模式。它不是简单的”推理→行动”，而是”推理→行动→观察→推理→行动→观察→…”的持续循环。

ReAct 循环的四个阶段

┌──────────────────────────────────────────────────┐
│                    ReAct 循环                      │
│                                                    │
│  ┌──────────┐      ┌──────────┐                    │
│  │ Perceive │─────→│  Think   │                    │
│  │ 感知环境  │      │ 推理下一步│                    │
│  └──────────┘      └──────────┘                    │
│       ↑                  │                         │
│       │                  ↓                         │
│  ┌──────────┐      ┌──────────┐                    │
│  │ Observe  │←─────│   Act    │                    │
│  │ 观察结果  │      │ 执行动作  │                    │
│  └──────────┘      └──────────┘                    │
│       │                  │                         │
│       └──── 任务完成？ ───┘                         │
│              否 → 继续循环                          │
│              是 → 输出结果                          │
└──────────────────────────────────────────────────┘

每个阶段详解

Perceive（感知）

Agent 通过多种渠道感知环境：

用户输入（自然语言指令）
文件系统（读取文件、列出目录）
API 响应（工具调用返回的结果）
对话历史（之前的交互记录）
系统状态（时间、内存、上下文窗口使用情况）

Think（思考）

Agent 基于感知到的信息进行推理：

分析用户意图：用户真正想要什么？
分解任务：复杂任务可以拆分为哪些子任务？
制定计划：执行顺序是什么？有哪些依赖？
选择工具：需要调用哪些工具？
评估风险：这个行动可能有什么后果？

Act（行动）

Agent 执行具体的动作：

调用工具（MCP Tool Call）
读写文件
发送消息
搜索知识库
执行代码

Observe（观察）

Agent 检查行动的结果：

工具调用成功了吗？
返回的数据符合预期吗？
信息足够回答用户了吗？
需要调整策略吗？
发现错误需要修正吗？

ReAct 循环示例

用户提问：“帮我整理本周的会议纪要”

循环 1:
  Perceive: 用户想整理本周会议纪要
  Think: 需要先获取本周的会议列表
  Act: 调用日历 API 获取本周会议
  Observe: 获取到 5 个会议，3 个有纪要链接

循环 2:
  Perceive: 5 个会议，3 个有纪要
  Think: 需要获取 3 个会议的纪要内容
  Act: 调用妙记 API 获取 3 个纪要
  Observe: 3 个纪要获取成功，长度分别为 2000、1500、3000 字

循环 3:
  Perceive: 3 个纪要内容在手
  Think: 需要汇总关键信息，按主题分类
  Act: 分析纪要内容，提取关键决策和行动项
  Observe: 提取出 8 个关键决策，12 个行动项

循环 4:
  Perceive: 信息已整理完毕
  Think: 任务完成，可以输出最终报告
  Act: 生成结构化报告
  Observe: 报告已生成，用户确认满意

循环结束 → 输出报告

Agent vs 传统程序

维度	传统程序	Agent
决策者	人（开发者预先定义逻辑）	模型（运行时推理和决策）
执行方式	确定性流程（if-else, for, while）	动态推理（根据观察调整策略）
错误处理	开发者预先定义 try-catch	自我观察、自我纠错
灵活性	只能处理预定义的情况	能处理未预见的开放情况
工具使用	代码中硬编码调用	动态选择和组合工具
任务范围	封闭的、可预见的	开放的、需要推理的
可解释性	代码逻辑可追溯	推理过程（Thought）可追溯
开发方式	编写代码逻辑	设计环境和约束

Agent 的关键组件

规划 (Planning)

Agent 需要将复杂任务分解为可执行的步骤。规划能力决定了 Agent 处理复杂任务的上限。

规划策略：

ReAct 风格：边推理边行动，适合探索性任务
Plan-and-Execute 风格：先制定完整计划，再逐步执行，适合确定性任务
分层规划：高层目标 + 低层子任务，适合复杂多层次任务

记忆 (Memory)

Agent 的记忆系统分为两个层次：

记忆类型	存储内容	生命周期	实现方式
短期记忆	当前对话历史、最近的操作结果	当前会话	上下文窗口中的消息
长期记忆	用户偏好、领域知识、学习到的经验	跨会话	向量数据库、文件系统、笔记

工具使用 (Tool Use)

Agent 通过工具与外部世界交互。工具是 Agent 能力的延伸。

工具类型	示例	本 Vault 中的工具
信息检索	搜索引擎、数据库查询	文件搜索、WikiLink 追踪
数据处理	计算、分析、转换	文本处理、表格生成
外部操作	发送邮件、创建文档、执行代码	创建笔记、写文件
知识管理	读写笔记、搜索知识库	读取摘要、加载全文

反思 (Reflection)

反思是 Agent 区别于简单 Tool Calling 的关键能力。Agent 在执行每个动作后，观察结果并反思：

这个结果符合预期吗？
需要调整策略吗？
发现了什么新信息？
当前路径是否还正确？

ReAct 的局限与演进

局限	说明	解决方案
无限循环	Agent 可能陷入循环无法终止	设置最大步数、时间限制
错误累积	早期错误导致后续一系列错误	反思机制、定期自我检查
上下文膨胀	每步都追加到上下文，窗口耗尽	上下文压缩、摘要历史
工具选择错误	选择了错误的工具导致失败	多工具候选、失败后重试
缺乏全局规划	边做边想可能缺乏全局视角	Plan-and-Execute 模式

来源

ReAct 论文: https://arxiv.org/abs/2210.03629 (Yao et al., 2022)
Anthropic Building Effective Agents: https://www.anthropic.com/engineering/building-effective-agents
Lilian Weng Agent 博客: https://lilianweng.github.io/posts/2023-06-23-agent/
Plan-and-Execute 论文: https://arxiv.org/abs/2305.04091
ReAct 与 Tool Use 对比: https://blog.langchain.dev/react-vs-tool-use/