Agent：从一次响应到一段"自主行动

AI 系列第 15 篇。上一篇 LLM 学会"调用一次工具"，这一篇它学会"自主完成一整段工作"。 这一篇也会拆"agent"这个被滥用得最严重的词。

0. "Agent" 这个词被严重稀释了

2024 年起，每家公司发产品都喊自己是 "AI Agent"——

• 一个 ChatGPT wrapper？也叫 agent。
• 一个能调一个工具的 LLM 应用？也叫 agent。
• 一个真正能自主规划 + 多步执行 + 错误纠正 + 复杂任务完成的系统？也叫 agent。

这些显然不是一回事。这一篇我们把 agent 的真实层级讲清楚——并给一个能用的定义：

Agent = LLM 在一个循环里，能自主决定每一步该做什么，直到任务完成或失败。

关键词：循环、自主决定、多步。

不在循环里 = 一次性调用 = 不是 agent。 不自主 = 每步都人指挥 = 不是 agent。 单步 = 工具调用 = 不是 agent。

---

1. 最基础范式：ReAct（2022）

ReAct = Reasoning + Acting。Google 2022 年提出。

工作流程：

loop:
    Thought: [LLM 想一下]
    Action: [LLM 决定调哪个工具]
    Action Input: [LLM 传参数]
    Observation: [工具返回结果]
    
    如果任务完成 → 输出最终答案，break
    否则 → 继续 loop

例子：

任务: "查找 Tenggouwa 这个域名的注册时间。"

Thought: 这需要查 whois。
Action: whois_query
Action Input: {"domain": "tenggouwa.com"}
Observation: {"created": "2024-01-15", "registrar": "Cloudflare"}

Thought: 找到了。
Final Answer: tenggouwa.com 注册于 2024-01-15。

ReAct 是所有 agent 的基础。它简单、有效、可解释。

ReAct 的局限

• 短视：只看当前步，不规划全局。
• 错误传播：一步错满盘错。
• 重复：可能在两个相似状态间来回跳。

为了解决这些，后续出现了几个变种。

---

2. Plan-and-Execute：先规划，再执行

思路：把任务拆成两阶段：

Planner:    "把任务拆成 5 个步骤"
Executor:   "按 Planner 的步骤逐个执行"

代码框架：

# 阶段 1: 让强模型 (GPT-4) 先规划
plan = planner_llm.invoke(f"把这个任务拆成步骤: {task}")
# plan = ["1. 查 A", "2. 用 A 的结果查 B", "3. 整合"]

# 阶段 2: 让小模型 (GPT-4o-mini) 逐步执行
context = ""
for step in plan:
    result = executor_llm.invoke(f"执行步骤: {step}\n已有上下文: {context}")
    context += result

好处

• 全局视野：先想清楚再做，避免局部贪心。
• 成本低：规划用大模型，执行用便宜模型。
• 可调：可以让人 review plan 再执行。

坏处

• 静态计划：执行中遇到意外没法调整。
• 计划质量决定一切：plan 错了，再多 step 也救不回来。

后续改进：Plan-and-Solve（每完成一步重新规划剩下的）、ReWOO（规划时不调工具，执行时统一调）。

---

3. Tree of Thoughts（ToT）：让 agent 探索多条路径

2023 年，普林斯顿团队提出 Tree of Thoughts。核心思想：

别只走一条路。让 agent 同时探索多个想法分支，评估每个分支的潜力，再决定深入哪条。

                  问题
                 /  |  \
            想法A 想法B 想法C
            /  \    |     \
         A1   A2   B1     C1
         评分7 评分3 评分8 评分5
         
         继续探索 B 这条分支

这有点像下棋——不止看下一步，还看下下步、下下下步。

适合的场景

• 创意任务：写诗、起名字（一条路不一定好，多条路才能挑出妙的）
• 复杂推理：数学证明、围棋（中间多步可能性多）

不适合的场景

• 简单任务：太重，杀鸡用牛刀。
• token 成本敏感：每个分支都是一次 LLM 调用，分支多 = 钱多。

---

4. Reflexion：让 agent 从失败中学习

2023 论文。核心思想：

agent 执行完一轮后，反思自己的表现，把反思结果存进 memory，下次同类任务时回顾。

attempt 1:  [执行 → 失败]
reflect:    "失败原因：忘了查参数 X。下次先查参数 X。"
            [反思存进 memory]
attempt 2:  [先查参数 X → 成功]

Reflexion 让 agent 在重复任务上能持续改进——这是 agent 走向"工程化生产"的关键一步。

---

5. Multi-Agent：多个 agent 协作

2023 年起的一个趋势——让多个 agent 扮演不同角色协作。

Architect:  "我设计一下整体方案"
Coder:      "我来写代码"
Reviewer:   "我审查代码"
Tester:     "我写测试"

代表：AutoGen（Microsoft）、CrewAI、Swarm（OpenAI）。

真有用还是花架子？

实测：简单任务上 multi-agent 反而比单 agent 差——通信开销大，agent 之间互相说服浪费 token。

复杂任务上（如完整 software project），multi-agent 有效，因为不同角色确实需要不同 prompt / 不同 expertise。

一句你可以拿去吹的话： Multi-agent 不是更好的 agent，是另一种 agent。它适合任务结构本身就有多角色协作的场景，不适合所有问题。

---

6. 现代生产级 Agent 通常长什么样

抛开理论，2026 年实际跑在生产的 agent 大概是这样：

loop with max_iterations=20:
    1. 把对话历史 + 当前状态喂给 LLM
    2. LLM 输出: 思考 + tool_call OR 最终答案
    3. 如果是 tool_call:
        a. 执行工具
        b. 把结果加进对话历史
        c. 继续 loop
    4. 如果是最终答案: break
    5. 如果达到 max_iterations: 强制终止，返回 partial result

关键工程点：

• max_iterations：防止 agent 死循环。常见 10-50。
• error handling：工具失败时，把错误返回给 LLM 让它纠正。
• state checkpointing：长任务中断后能续。
• observability：每一步都打 log / trace。
• cost cap：超过预算就停。

主流框架：

• LangGraph（LangChain 出品）：graph-based agent state machine
• CrewAI：multi-agent
• OpenAI Swarm：OpenAI 官方轻量级 agent
• Anthropic Claude Agent SDK：Anthropic 官方
• AutoGPT / BabyAGI：早期开源（现在基本退役）

---

7. Agent 能力的真实层级

我自己把现在的"agent"按能力分 5 级：

L1: ChatBot

单轮 / 多轮对话，没工具。 例子：原版 ChatGPT 第一版

L2: Tool-Augmented LLM

能调工具，但每次只调 1-2 个，主要还是对话。 例子：ChatGPT with browsing、Claude with retrieval

L3: Workflow Agent

按预定义流程多步执行，但路径基本固定。 例子：客服自动化、订单处理

L4: Goal-Driven Agent

给一个目标，自己规划路径、调工具、纠错，直到完成。 例子：Claude Computer Use、SWE-agent、Devin

L5: Self-Improving Agent

能从经验里学习，持续改进。能跨任务 transfer。 例子：还没真正实现，但 Reflexion 系是这个方向

今天 99% 商业产品是 L2-L3。喊自己 L4 的，9 成是营销。真正能稳定跑 L4 任务的，目前只有几家前沿实验室的内部系统。

---

8. Agent 的难点：可靠性

agent 最大的工程问题不是"能跑通"，是"能稳定跑通"。

单次任务成功率: 80%
连续 5 步任务成功率: 0.8^5 = 33%
连续 10 步: 11%
连续 20 步: 1%

每步的小错误指数级放大。这就是为什么 agent demo 看起来惊艳，生产环境里 90% 的时间在调可靠性。

提升可靠性的几个手段：

1. 每步加 self-check："这一步是不是真的成功？"
2. 关键步骤要 deterministic：能用代码不用 LLM。
3. 缩短链长：尽量把任务拆成 3-5 步而非 20 步。
4. 加 human-in-the-loop：关键决策让人 review。
5. 专门 fine-tune：对特定 agent 任务做后训练。

---

9. 给你的小作业

1. 找一个你日常会做的小任务（如"整理今天会议笔记并发邮件"），用 ReAct 范式写出 step-by-step。
2. 解释为什么 ReAct 的成功率随步数指数下降。
3. 如果你设计一个客服 agent，按什么样的能力分级（L1-L5）拆解？什么级别该上自己的产品？

下一篇钩子：要让 agent 真的好用，工具和模型之间要有标准协议。 2024 年底，Anthropic 发布了 MCP（Model Context Protocol）。2025 年 Agent SDK 系列陆续出现。 下一篇我们讲：今天构建 agent 的事实标准长什么样，以及 MCP 是不是"AI 时代的 HTTP"。