一文搞懂 AI Agent：从原理到三大架构模式

一、什么是 AI Agent？

AI Agent（人工智能代理） 是一个具备自主性、反应性、目标导向性的软件实体，能通过"感知 → 决策 → 行动 → 反馈"闭环，在动态环境中持续完成复杂任务。

Agent vs RPA vs ChatBot

一句话区分三者：

• ChatBot = 会说话的界面
• RPA = 数字流水线工人
• AI Agent = 具备思考能力的任务经理

二、PDCA 循环：Agent 的运行骨架

所有智能体的核心运行框架都是 感知-决策-行动-反馈（PDCA）循环：

感知(Perception) → 决策(Decision) → 行动(Action) → 反馈(Feedback)
       ↑                                              ↓
       └────────── 更新上下文 & 记忆 ←─────────────────┘

正是"反馈"这一环，让 Agent 具备了持续优化的能力，形成真正的智能闭环。

三、Function Call：连接"想"与"做"的桥梁

模型按需自动生成函数调用指令，动态使用外部工具的能力。
如果 LLM 是大脑，Function Call 就是神经信号——把 LLM 的意图标准化地传递给程序去执行。

为什么需要它？

早期做法是让 LLM 在 prompt 里"猜"参数输出 JSON，问题很多：格式不可控、参数易遗漏、安全性差。

Function Call 协议把这一切标准化：

• LLM 输出结构化的"工具调用请求"（函数名 + 参数）
• 程序代码负责执行并返回结果
• LLM 基于结果做下一步决策

三步调用流程

1. 注册：向 LLM 声明可用函数（name + description + parameters）
2. 响应：LLM 返回 function_call 字段，包含函数名和 JSON 参数
3. 执行：开发者调用真实函数，结果以 role: function 回传给 LLM

Schema 设计三原则

• 描述清晰：让 LLM 明白工具"在什么场景下用、解决什么问题"
• 类型精确：善用 enum 限制枚举值，降低错误率
• 必填合理：关键参数进 required，可选参数给默认值

Schema 既是接口契约，更是 LLM 的决策指南。

四、三大主流架构模式

Function Call 是"手脚"，架构模式是"大脑的思考方式"。不同任务复杂度需要不同策略。

4.1 ReAct 模式：边想边做

核心：推理（Reasoning）与行动（Action）交替进行，逐步逼近答案。

Thought: 我需要查公式
Action: search_knowledge
Observation: sin²α + cos²α = 1
Thought: 现在可以计算了...

• Function Call 节奏：高频、短平快
• 适用场景：信息检索、多跳问答、工具链式调用
• 优缺点：灵活适应性强，但易陷入循环，需设最大轮次

4.2 Plan-and-Execute 模式：谋定后动

核心：先规划完整计划，再分步执行。

1. Planning：LLM 输出结构化步骤列表（此阶段不调用任何工具）
2. Execution：程序按计划依次执行子任务
3. Summary：整合所有结果生成最终回复

• Function Call 节奏：规划阶段零调用 + 执行阶段集中调用
• 适用场景：复杂项目管理、学习计划制定、批量任务
• 优缺点：结构清晰可预测，但计划可能僵化

4.3 Reflection 模式：三思而行

核心：执行后主动反思，评估结果质量并修正。

执行 → 反思（"答案对吗？有遗漏吗？"）→ 通过则输出 / 不通过则修正

• Function Call 节奏：不定频、事件驱动
• 适用场景：数学物理题求解、代码调试、医疗法律等高风险场景
• 优缺点：可靠性高，但效率低，需防反思死循环

三种模式速查表

真实业务中常采用混合模式：顶层用 P&E 做规划，底层用 ReAct 做执行，关键节点用 Reflection 做质量检查。

五、一图总结

AI Agent = LLM(大脑) + Function Call(神经) + 工具(手脚) + 架构模式(思考方式)

掌握这四个核心概念，你就握住了 AI Agent 的精髓，可以开始设计自己的智能体了。