Agent 入门

大模型 · 中级

LLM Agent 是能自主规划、调用工具并迭代完成任务的大模型应用范式，是构建智能助手和自动化工作流的核心。

01

理解Agent 入门技术的核心思想与适用场景

02

掌握关键组件的工作原理与实现要点

03

能够独立完成一个最小可运行的 Demo

04

了解常见坑点与最佳实践

为什么你要学它

大语言模型本身只能生成文本，但现实世界中的任务往往需要：

  • 查询数据库或搜索引擎
  • 调用 API 获取实时信息
  • 执行代码或操作文件
  • 多步骤推理和错误修正

LLM Agent 就是给大模型加上「大脑 + 手脚 + 记忆」：让它能自主规划任务、选择工具、观察结果并持续迭代，直到完成复杂目标。从 ChatGPT Plugins 到 Claude Computer Use，从 AutoGPT 到各类客服/运维机器人，Agent 正在成为 LLM 落地的下一个主战场。

一句话概览（快速版）

Agent = LLM + 工具 + 记忆 + 规划循环。模型不再一次性给出答案，而是边想边做、边做边改。

核心组件：

  • 规划（Planning）：把复杂目标拆成可执行的子任务
  • 记忆（Memory）：保存对话历史、中间结果和长期知识
  • 工具（Tools）：搜索、计算、代码执行、API 调用等外部能力
  • 行动（Action）：根据规划调用工具并观察返回结果

核心拆解

🔑 ReAct 推理模式

ReAct（Reasoning + Acting）是最经典的 Agent 范式：

code5 lines
Thought: 我需要先查一下北京今天的天气
Action: search("北京今天天气")
Observation: 北京今天晴，25°C，微风
Thought: 用户问要不要带伞，晴天不需要
Final Answer: 今天北京晴天，不需要带伞

每次循环包含：

  1. Thought：模型思考当前状态和下一步
  2. Action：调用某个工具，格式为 工具名(参数)
  3. Observation：获取工具返回结果
  4. 重复直到得出最终答案
python7 lines
from langchain.agents import load_tools, initialize_agent, AgentType
from langchain.llms import OpenAI

llm = OpenAI(temperature=0)
tools = load_tools(["serpapi", "llm-math"], llm=llm)
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
agent.run("2024 年诺贝尔奖物理学奖得主是谁？他出生年份的平方根是多少？")

🔑 工具定义与调用

工具通常包含三个部分：

  • name：工具名称
  • description：工具功能描述，Agent 靠它判断何时调用
  • func：实际执行函数
python10 lines
from langchain.tools import Tool

def calculator(expr: str) -> str:
    return str(eval(expr))

calc_tool = Tool(
    name="Calculator",
    description="用于执行数学表达式，输入应为合法的 Python 表达式",
    func=calculator
)

🔑 记忆机制

Agent 需要记忆来维持多轮上下文：

  • 短期记忆：当前对话窗口内的历史
  • 长期记忆：向量数据库存储的重要信息，可跨会话检索
  • 实体记忆：记录用户偏好、关键事实等

LangChain 提供 ConversationBufferMemory、VectorStoreRetrieverMemory 等组件。

🔑 规划策略

  • Zero-shot ReAct：直接根据工具描述做一步推理
  • Plan-and-Solve：先制定完整计划，再逐步执行
  • Tree of Thoughts：探索多条推理路径，选择最优解
  • Reflection：让模型自我批评并修正之前的错误

完整排查方案

Agent 行为不稳定时，按以下顺序排查：

  1. 检查工具描述是否清晰，Agent 是否能正确选择工具
  2. 确认工具返回格式稳定，避免模型解析失败
  3. 观察 Thought-Action-Observation 循环，定位错误步骤
  4. 调整 prompt，明确 Agent 的目标和约束
  5. 引入记忆组件，避免上下文丢失
  6. 对复杂任务使用 Plan-and-Solve 或 LangGraph 构建状态机
  7. 设置最大迭代次数和 human-in-the-loop 确认，防止无限循环

常见误区与注意事项

  • 误区 1：Agent 越自治越好。过度放权会导致不可控行为，关键操作应加入人工确认或硬编码安全检查。
  • 误区 2：工具描述可以随便写。Agent 靠 description 决定调用哪个工具，描述不清晰会频繁选错工具。
  • 误区 3：有了 Agent 就不需要 RAG。Agent 适合任务执行，RAG 适合知识问答，两者常结合使用而非互相替代。
  • 注意 1：必须设置最大迭代次数，防止模型在错误循环中无限执行。
  • 注意 2：工具返回值要结构化，纯自然语言结果会让 Agent 难以解析并进入错误状态。

关键术语

  • Agent：能感知环境、做出决策并执行行动的自主系统
  • Tool Use：大模型调用外部工具扩展能力
  • ReAct：交错进行推理和行动的大模型 Agent 范式
  • Planning：将复杂任务分解为子任务的能力
  • Observation：工具执行后返回给模型的结果
  • Human-in-the-loop：在关键步骤引入人工确认，降低风险
▸ 相关术语
llm

RAG

RAG（检索增强生成） 是一种结合信息检索与文本生成的技术框架，由 Facebook AI Research（现 Meta AI）于 2020 年在论文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 中提出。 RAG 的核心思想是：在生成回答之前，先从外部知识源中检索相关信息，然后基于检索到的信息生成答案。

llm

LoRA

LoRA（低秩适应） 是一种高效的大型模型微调方法，由 Microsoft 研究团队于 2021 年在论文 LoRA: Low-Rank Adaptation of Large Language Models 中提出。它通过对权重矩阵的低秩分解来更新模型，极大地减少了可训练参数的数量，使得在消费级 GPU 上微调大型语言模型成为可能。

llm

Transformer

Transformer 是一种基于自注意力机制的深度学习架构，由 Google Brain 与 Google Research 团队于 2017 年在论文 Attention Is All You Need 中提出。它通过自注意力机制规避了传统 RNN（循环神经网络）无法并行计算以及处理长序列时的梯度消失问题（配合残差连接和 LayerNorm 维持梯度流动）。Transformer 已成为 BERT、GPT 等几乎所有大型语言模型（LLM）的基础架构，并被广泛应用于 NLP、计算机视觉、语音等多个领域。

llm

思维链

Chain-of-Thought（CoT，思维链）是一种 Prompt Engineering 技术，通过在问题后附加「Let's think step by step」或提供完整的推理示例，引导模型先生成中间推理步骤再给出最终答案。CoT 的有效性可能源于：模型在前向传播中利用了更多中间层的表示，从而支撑最终答案的生成。Self-Consistency（自一致性）在 CoT 基础上通过多条推理路径的多数投票进一步提升复杂推理任务的准确率。Tree-of-Thoughts 将其扩展为树搜索形式，探索多种解题路径。

▸ 相关情报

RAG 检索增强生成

让大模型基于私有文档回答问题而非只靠训练数据，是当前 LLM 落地企业场景成本最低的方案之一

Prompt Engineering 提示工程与 Agent 设计

不是调模型参数，而是调问题表述——用更好的 Prompt 让同一个模型产生质的飞跃

RAG 系统进阶：从 Naive RAG 到 Advanced RAG

Naive RAG 的天花板在哪里？Advanced RAG 如何通过 Query 改写、重排序、知识图谱突破它