欢迎来到 卷 5：Agent 系统：规划、执行、记忆与可靠性。

在前面的章节中，我们给了 AI 知识（RAG），也给了它工具（MCP/Skills）。但此时的 AI 依然像是一个**“算盘”或者“点读机”**——你拨一下，它动一下；你问一句，它答一句。

如果你的需求是：“去把昨天的报错日志查出来，分析一下原因，如果是个小 Bug 就直接写代码修复，然后提一个 PR（代码合并请求）。”
面对这种跨越多个步骤的复杂任务，只会“一问一答”的模型会瞬间宕机。

这就需要引入目前 AI 领域最火的概念：Agent（智能体）。
本篇，我们就来揭开 Agent 的神秘面纱，看看它究竟是怎么“自己动起来”的。

1. 核心概念：什么是 Agent？

Agent（智能体）不是一个特定的模型（比如 GPT-4），而是一种系统架构设计。
你可以把 Agent 理解为：让大模型（LLM）充当系统的“大脑”，赋予它自主规划任务、调用工具、并根据反馈不断调整策略的能力。

Copilot vs Agent

• Copilot（副驾驶）：人是司机，AI 是副驾。人决定什么时候踩油门，AI 只负责在旁边递递地图。
• Agent（自动驾驶）：AI 是司机。人只需要说“送我去机场”，AI 会自己看红绿灯、自己打方向盘、遇到修路自己绕道，直到把你送到目的地。

2. Agent 的灵魂：计划-执行-反馈循环（ReAct）

Agent 之所以能“自动驾驶”，核心秘密在于一个被称为 ReAct（Reasoning and Acting，推理与行动） 的底层循环机制。
当 Agent 接收到一个复杂任务时，它会在后台开启一个死循环，直到任务完成。这个循环包含三个关键动作：

1. Thought（思考 / 计划 - Planner）
   • 大脑开始转动：“用户让我修 Bug。我第一步应该先去读日志，看看是什么错误。”
2. Action（执行 - Executor）
   • 决定好之后，立刻去工具箱（MCP）里拿出 read_logs 工具，执行动作。
3. Observation（观察 / 反馈 - Feedback）
   • 工具执行完后，把结果拿回来看看。
   • 观察结果：“哦，日志里说是一个空指针异常（NullPointer）。那我下一步该去修改对应的代码文件了。”

然后，Agent 再次进入 Thought（思考第二步该干嘛），接着 Action，接着 Observation……如此反复，一步步逼近最终目标。

3. 悬崖勒马：致命的“停止条件（Stop Condition）”

Agent 的这种死循环机制非常强大，但也极其危险。
想象一下，如果 Agent 遇到一个解不开的 Bug，它可能会：修改代码 -> 运行测试 -> 报错 -> 继续修改 -> 继续报错……
如果不加以限制，它会在后台疯狂循环几千次，一晚上的时间就能把你的大模型 API 账额刷掉几万块钱！

因此，每一个合格的 Agent 系统，必须设置严格的 停止条件（Stop Condition）。

1. 成功停止：大模型自己判断任务已经圆满完成，输出 Finish 信号，把最终结果交给用户。
2. 最大步数（Max Steps / Max Iterations）：硬性规定，比如最多只能循环 10 次。如果 10 步还没干完，强制停止并求助人类。
3. 硬失败（Hard Failure）：调用的工具连续崩溃报错超过 3 次，Agent 会判定“此路不通”，主动放弃。
4. 人类干预（Human-in-the-loop）：遇到高危操作（比如删除数据库），Agent 必须暂停，发消息让人类点“同意”才能继续。

4. 本篇产出：通用 Agent 状态机图

为了让你更直观地理解 Agent 是如何在后台运行的，这里提供一张标准的 Agent 状态机（State Machine）流转图。
这也是目前业界主流 Agent 框架（如 LangChain 的 AgentExecutor、AutoGPT 等）的底层运行逻辑：

看懂这张图的关键点：

• 整个 Agent 的核心就在中间那个不断旋转的**“核心循环_ReAct”**里。大模型在这里面既当“军师”又当“总司令”。
• 左下角那排灰色的**“安全停止机制”**，是区分一个 Agent 是“实验室玩具”还是“工业级产品”的试金石。

总结与复盘

• Agent 不是一个新模型，而是一种让大模型“做循环”的工程架构。
• 它通过 Thought（思考） -> Action（执行） -> Observation（观察） 的反馈循环，一步步拆解并解决复杂问题。
• 设计 Agent 时，最考验功力的不是怎么让它跑起来，而是怎么让它安全地停下来（停止条件）。

下一步路线提示：
有了这个底层循环机制，Agent 看起来似乎无所不能了。
但是，如果你给它一个极其模糊的任务，比如“帮我开发一个贪吃蛇游戏”，如果它不做详细的规划，一上来就直接写代码，大概率会写成一团乱麻。
如何让 Agent 学会像人类架构师一样，先把大目标拆成小任务？下一篇，我们将探讨：《任务分解：从模糊目标到可执行子任务》。