AI Agent 到底是什么?先看懂它怎么完成一件事

让 AI 帮忙算一份收入报表，它可以给你计算方法，也可以读取数据、查询汇率、调用计算工具，最后把结果交回来。

同样是“帮我算一下”，这两种处理方式，差别在哪里？

理解 AI Agent，我觉得先把这件事讲清楚，比记住一堆框架名字更有用：接到任务以后，谁决定下一步，谁真正执行，执行结果又交给谁？

理解现代大模型 Agent，可以先用这个公式：

LLM 就是大语言模型，负责理解任务、作出判断。例如收入表里有美元、欧元和英镑，模型需要判断：这些金额要先统一币种，才能相加。

但模型需要知道各季度收入，也需要知道有哪些工具能用。这些决策时可见的信息，就是上下文。

查询汇率、执行计算，则需要工具来完成。模型生成调用请求，外围程序执行工具，再把结果交回来。

用一个简单的类比：模型像大脑，上下文像眼睛，工具像手脚。这个类比帮助咱们记住分工，具体实现还是要看各部分之间怎么传递信息。

尤其要分清，模型决定调用工具，和工具真正执行，是两件事。

模型可以提出“查询欧元兑美元汇率”的请求，真正去访问数据源的是工具。让模型学会使用工具，也不等于把汇率查询服务装进了模型里。

机制示意｜模型决策，上下文提供信息，工具执行操作

上下文这个词，容易让人想到聊天记录。对于 Agent，它的范围更大。

沿着收入汇总这个任务看，至少有几类信息需要交给模型：

系统提示词：规定怎样处理任务，例如金额统一成美元。

工具定义：告诉模型有哪些工具、各自做什么、参数怎么填。

用户消息：包含收入数据和用户的要求。

模型回复：记录之前的回答、调用请求等内容。

工具结果：返回查到的汇率或算出的金额。

系统里接好了一个工具，模型还得看到它的用途和调用方式，才有依据选择它。比如查询汇率的工具，需要说明输入什么币种、返回什么数据。只有一个含糊的名字，模型就容易用错。

工具结果同样重要。查完汇率以后，需要把结果送回模型，让它知道这一步得到了什么，接下来该做什么。

所以设计上下文时，不能只考虑提示词写得好不好，还要考虑：当前这一步需要哪些信息，这些信息有没有真正送到模型面前？

三个部分分清以后，再看它们怎么配合。

以多币种收入汇总为例，先假设数据已经给齐，目标也明确：统一成美元，再计算总额。

模型首先判断，有些金额需要换算，于是生成汇率查询的工具调用请求。程序执行查询，把结果追加到上下文里。

下一轮，模型看到了换算结果，判断现在可以汇总了，再请求计算工具处理这些数字。

程序返回计算结果，模型据此组织回答。如果查询失败，或者数据还不够，后续步骤就需要根据返回信息调整。

这里有一个不断重复的过程：

这就是 ReAct 循环。ReAct 由 Reasoning 和 Acting 组成，分别对应推理与行动；实际运行时，还需要观察行动返回的结果。

“思考”可以理解为模型判断下一步怎么做，并不意味着系统一定要向用户展示完整的内部推理。

每一轮的消息和工具结果逐步积累，形成执行轨迹。模型再次被调用时，可以根据这段轨迹判断任务进展。前面得到的汇率，会成为后面计算的依据。

这里的“自主”，也有明确范围：模型在系统提供的信息和行动能力内选择下一步。它能访问什么、能执行什么，仍然取决于外部程序和权限。

机制示意｜工具结果回到上下文，成为下一轮判断的依据

看到这里，可能会有一个疑问：Agent 每次都能参考前面的结果，是不是用得越多，就会自己变聪明？

要看这些经验保存在哪里。

本轮上下文里有一个示例，模型可以参考它处理后续任务。这叫上下文学习；推理时并没有因此修改模型权重。下一次调用如果不再提供这段信息，也不能默认它仍然记得。

如果把经验整理进知识库，或者把一段流程写成可重复调用的工具，后续任务就有机会继续使用。经验保存在模型之外，这属于外部化学习。

再进一步，通过监督微调、强化学习等后训练方式，可以改变模型参数，调整模型本身的行为。

这几种方式的成本、更新速度和适用场景都不同。先知道它们的区别就够了，后面再分别展开。

回到报表任务，即使查到了汇率、算出了总额，汇率来源是否可靠、计算结果怎样检查、失败后重试几次，仍然需要进一步设计。

下一篇接着第一章往下讲：围绕模型的工程程序，也就是 Harness，怎样让这套运行过程更可靠。