14.2 Agent：多步自主执行

概念：像私人助理一样的 AI

Agent 和普通 AI 的关键区别在于：它不只是”回答”，而是主动”干活”。

把普通 AI 想象成自动售货机（投币-出货-结束），Agent 则更像私人助理——你跟助理说”下周三帮我安排去上海的出差”，助理不会只回一句”好的，出差”。她会自己查航班、比价格、订酒店、在日历上标记行程、提醒你带什么东西。你不必每一步都盯——你给任务，她跑流程，最后给你结果。

Agent 的工作方式是循环的，不是一次性的：

1. 看（Think）：理解你的任务是什么，当前处于什么状态
2. 想（Plan）：判断需要哪些信息、哪些工具、分几步做
3. 做（Act）：调用工具、搜索资料、写代码、读文件
4. 检查（Observe）：看结果对不对。不对？回到第 1 步再来

这个四步循环（Think-Plan-Act-Observe）是 Agent 的核心机制。学术界最早的系统化 Agent 循环叫 ReAct（Reasoning + Acting，推理与行动交替，2022 年由 Google Research 提出），核心是三步交替：先想（推理下一步该做什么）、再做（执行动作）、再看结果（观察反馈后继续推理）。¹ 本节的四步是教学简化版——把”规划”从”想”中单独拆分出来，把”检查”显式强调。有关 ReAct 的深入分析，见 ReAct 循环（深挖）。

教学：Agent 的三个核心能力

Agent 的循环能跑起来，靠的是三个互相配合的能力。这三者缺一不可：

这三个能力对应了普通 AI 的三大短板（不能查、不能验、不能做）：工具调用解决”不能做”，分步规划解决”不能拆”，自我纠错解决”不能验”。

关于工具调用，其技术基础是 Function Calling（函数调用）——模型输出结构化指令，由外部系统执行。详见 概念-FunctionCalling 和 工具调用演变。

关于分步规划，2026 年主流方法包括思维链（Chain-of-Thought）、思维树（Tree-of-Thought）和 Plan-and-Solve。详见 14.6 Agent 的规划能力。

graph TD
    Task[用户任务] --> Think[思考 Think<br/>分析状态+规划下一步]
    Think --> Act[行动 Act<br/>调用工具/LLM]
    Act --> Observe[观察 Observe<br/>获取工具结果]
    Observe --> Judge{任务完成?}
    Judge -->|否| Think
    Judge -->|是| Done[返回最终结果]

注意事项：循环不是”越多越好”

Agent 的循环能力是一把双刃剑。循环让 Agent 能处理复杂任务，但也带来了三个核心风险：

死循环：Agent 在”想→做→不满意→再想→再做”中无限循环，特别是当它对自己的输出永远不满意时。2026 年的标准对策：硬限制最大步数（通常 30 步）+ 循环检测（连续 3 次调用同一个工具且参数相同则强制终止）。²

成本膨胀：每次 Think-Act 循环都调用 LLM。以 2026 年一个中等复杂度的 Agent 任务（如”分析这份 50 页的报告并写摘要”）为例，API 成本约 $0.5-$5。如果循环因反复重试而翻倍，成本也翻倍。生产部署需要”早停”策略——任务基本完成时就停止，不追求完美。

工具滥用：Agent 可能对简单问题过度调用工具。用户问”今天几号”，Agent 却调用搜索引擎、时间 API、日历工具——三个工具回答一个不需要工具的问题。这表现为不必要的延迟和成本。

关联

• ReAct 循环（深挖） — ReAct 循环的深度技术解析
• Agent 原理与 ReAct — Agent 原理与 ReAct 的关系
• Loop 工程：让 AI 自己转起来 — Agent 底层循环工程的实现细节
• 14.3 举个例子 — 下一节：用具体例子看 Agent 怎么干活
• 14.6 Agent 的规划能力 — 分步规划的深度展开

← 上一节：14.1 普通 AI：一问一答 ｜ 下一节：14.3 举个例子 →