提到AI智能体（Agent），很多人会联想到「自主任务执行」「ReAct范式」「工具调用」等抽象概念，甚至觉得这是只有大厂才能落地的复杂系统。事实上，智能体的定义非常具体——我们可以从一个真实落地的MBTI智能体项目出发，结合完整源码逐层拆解。本文所有代码示例均来自笔者的群面模拟系统，核心模块为MBTI智能体对话功能，对应代码路径、文件名、逻辑均与工程实现完全一致。

---

一、先和「裸调大模型API」划清界限

要理解智能体，首先要明确它和普通大模型API调用的本质差异：

裸调LLM的本质：无状态的工具调用

如果我们直接调用通义千问、DeepSeek的API，流程是：

用户输入 → 拼接Prompt → 调用LLM API → 返回结果 → 结束

整个过程是无状态的：每次调用都不会保留任何历史，不知道「自己是谁」，也不会主动做任何决策，完全依赖外部传入的Prompt决定输出内容。哪怕你给Prompt加上「你是INTJ型的领导者」，下次调用如果不重新传这段Prompt，模型就会立刻「失忆」。

智能体的本质：封装LLM的「自主实体」

参考OpenAI对智能体的定义：能够感知环境、自主决策、执行动作以完成目标的实体。对应到代码层面，智能体就是一个「封装了LLM调用能力，具备身份、记忆、决策逻辑的业务对象」——和你平时写的Service、Controller没有本质区别，只是核心能力从「处理业务逻辑」变成了「调用LLM生成符合自身属性的输出」。

---

二、智能体的四大核心特征（逐一定义+代码对应）

我们完全基于backend/src/main/java/com/interview/agent/Agent.java拆解，每一个特征都有明确的代码实现：

---

特征1：具身身份（Embodied Identity）

定义

每个智能体都有唯一的身份标识和固定的属性集合（如人格、角色、名称），不是匿名的大模型调用入口。

代码对应

// Agent.java 第9-16行，核心接口定义
public interface Agent {
    String getAgentId();          // 唯一身份ID
    AgentProfile getProfile();    // 身份档案（名称、MBTI、角色等）
    // ...其他方法
}

在你的项目中：

• 身份ID：由AgentFactory（智能体工厂）创建时生成，格式为${mbti}_${role}_${uuid}，确保全局唯一
• 身份档案：AgentProfile包含中文姓名、MBTI类型（如INTJ）、群面角色（如LEADER）、默认角色等属性，由工厂类根据MbtiType枚举（共16种MBTI类型）初始化
• 前端展示：用户选择MBTI和角色后，智能体的回复会携带mbti、roleType字段（见AgentChatController.java），明确告知用户「对话对象是谁」

对比裸调API：裸调LLM没有固定身份，每次调用都相当于「匿名用户」，而我的智能体从创建之初就明确了「我是INTJ型的推进型领导者张三」，所有回复都符合这个身份设定。

---

特征2：状态与记忆（State & Memory）

定义

智能体内部维护状态变量和记忆存储，能够记录对话历史、行为记录、情绪变化等信息，不需要外部每次传入完整上下文。

代码对应

// Agent.java 第16行，状态查询方法
AgentState getState();

// Agent.java 第25-31行，发言上下文（包含记忆相关字段）
record SpeakContext(
    Phase currentPhase,
    int elapsedTime,
    int silenceDuration,    // 自身沉默时长（状态变量）
    List<Event> recentEvents, // 最近对话事件（记忆）
    Map<String, AgentState> agentStates
) {}

// AbstractAgent（抽象基类）中维护的对话历史
protected final List<Event> conversationHistory = new ArrayList<>();

在你的项目中：

• 对话记忆：AbstractAgent维护conversationHistory列表，每次对话后自动将用户消息和智能体回复加入列表，限制最多存储20条（避免上下文过长导致LLM超时）
• 状态变量：每个智能体记录lastSpeakTime（最后发言时间）、当前情绪值、发言次数等状态，calculateSpeakScore计算时会读取lastSpeakTime计算沉默时长得分
• 会话隔离：通过sessionId映射智能体实例（见AgentChatController.java第23行sessionAgents缓存），不同用户的对话对应不同的智能体实例，记忆完全隔离

对比裸调API：裸调LLM没有自身状态，必须每次手动传入所有历史对话；而我的智能体自己维护记忆，哪怕用户关闭页面再打开，只要sessionId不变，智能体依然记得之前的对话内容。

---

特征3：自主决策逻辑（Autonomous Decision-Making）

定义

智能体可以基于自身状态和上下文自主做出行为决策，而非被动响应用户输入。即使是单轮对话的智能体，也会根据用户输入选择不同的回复策略；多智能体场景下则会主动竞争发言权。

代码对应

// Agent.java 第13行，发言评分（决策核心方法）
double calculateSpeakScore(SpeakContext context);

// AbstractAgent中定义的决策参数
protected static final double SPEAK_THRESHOLD = 0.65; // 发言阈值
protected static final double ROLE_WEIGHT = 0.2;       // 角色权重
protected static final double SILENCE_WEIGHT = 0.3;     // 沉默时长权重

在你的项目中：

• 单智能体场景（MBTI对话）：虽然是一问一答，但智能体也会自主决策——比如用户问「你是谁」，智能体会根据自身AgentProfile返回身份说明；用户问专业问题，智能体根据MBTI类型调整回复风格（INTJ更严谨，ENFP更发散）
• 多智能体场景（群面模拟）：AgentEngine（智能体引擎）会调用所有智能体的calculateSpeakScore方法，分数高于SPEAK_THRESHOLD的智能体获得发言权，完全自主决策，不需要用户触发

对比裸调API：裸调LLM永远被动响应，你发一句它回一句，永远不会主动开口；而我的群面智能体会自己计算「我要不要说话」，分数够了就会主动发言。

---

特征4：场景化适配能力（Context-Aware Adaptation）

定义

智能体可以根据当前场景（讨论阶段、话题、历史对话）调整自身行为，生成符合身份的回复，而不是千篇一律的输出。

代码对应

// Agent.java 第14行，回复生成方法（带完整上下文）
String generateResponse(AgentContext context);

// AgentContext 包含完整场景信息（Agent.java 第33-39行）
record AgentContext(
    Phase currentPhase,             // 当前讨论阶段（破冰/辩论/总结）
    String currentSpeakerId,        // 当前发言者
    List<Event> conversationHistory,// 对话历史
    String questionContent,         // 讨论问题
    Map<String, AgentState> allAgentStates // 所有智能体状态
) {}

在你的项目中：

• 提示词适配：LlmCandidateAgent（基于LLM的智能体实现）会根据自身的MBTI和角色拼接不同的系统提示词：INTJ的Leader提示词会要求「逻辑严谨，主导讨论方向」，ENFP的Viewpoint会要求「提出新颖观点，发散思维」
• 阶段适配：如果当前是破冰阶段，智能体回复偏轻松；辩论阶段偏逻辑；总结阶段Leader会主动做收尾，这些逻辑都通过currentPhase参数传入generateResponse方法实现

对比裸调API：裸调LLM不管场景，给什么Prompt答什么；而我的智能体自己会根据场景调整回复，同样调通义千问API，不同智能体说出来的话完全不一样。

---

三、完整交互流程走读（从用户操作到返回结果）

我们以一次完整的MBTI智能体对话为例，串联所有代码模块，验证上述特征：

步骤	前端逻辑（对应文件）	后端逻辑（对应文件）	智能体特征体现
1. 初始化	AgentChatView.vue:240 调用getMbtiTypes()	AgentChatController.java:25 处理/agent/mbti-types接口，返回16种MBTI类型	具身身份：提前定义所有智能体的身份属性
2. 选择身份	AgentChatView.vue:127 选MBTI，145选角色，生成唯一sessionId	-	会话隔离：每个身份组合对应唯一的智能体实例
3. 发送消息	AgentChatView.vue:161 调用chatWithAgent()，携带mbti/role/message/sessionId	AgentChatController.java:39 处理/agent/chat接口，根据sessionId找/创建智能体	状态与记忆：复用已有智能体实例，保留历史对话
4. 生成回复	-	构造AgentContext，调用agent.generateResponse(context)	场景化适配：根据上下文生成符合身份的回复
5. 返回结果	前端将回复加入消息列表，展示在聊天框	返回response/mbti/roleType字段	具身身份：明确告知用户对话对象的属性

---

四、智能体的不同形态

智能体不是只有「能自主完成复杂任务」一种形态，我的项目里已经实现了三种不同层级的智能体，核心特征完全一致：

1. 基础型智能体：本文重点介绍的MBTI单对话智能体，具备完整四大特征，是最基础的智能体形态
2. 协作型智能体：群面场景下的5-6个智能体，通过AgentEngine调度，竞争发言、互相影响状态，完成群面讨论任务
3. 工具型智能体：ReAct模式的ReportManusAgent，支持工具调用（加载上下文、导出PDF、生成报告），能够自主规划步骤完成复杂任务

---

总结

智能体从来不是玄学，就是我代码里的Agent接口实现类：

智能体 = 唯一身份 + 自主状态记忆 + 决策逻辑 + LLM调用封装

我写的LeaderAgent、SupporterAgent这些类，本质都是这个定义的具象化。对于开发者来说，不需要纠结概念层级，只要实现了上述四大特征，你写的就是一个合格的AI智能体。