AI Agent 核心组件入门

前言

AI Agent 能自己感知信息、拆解任务、调用工具、记住上下文、闭环执行，不再是简单的一问一答。

把这套系统想象成一家餐厅：前台接单，主厨决策，后厨按流程出餐，厨具负责执行，顾客记录本记住偏好。五个角色各司其职，跑完一整单。

一、五大核心组件

Agent 由感知层、大脑、规划层、工具层、记忆层组成。五个模块串成一个「感知→思考→行动→观察」的循环，记忆层贯穿全程。

1. 感知层（Perception）—— 餐厅前台

信息入口。接收外部输入，拼出当前任务的全貌，交给大脑。

输入可以来自这些地方：

文本：用户指令、文档、代码

多媒体：图片、视频、音频

结构化数据：表格、JSON、数据库

环境信息：屏幕内容、网页状态

回调：上一轮工具执行的结果

它让 Agent 能「看见、听见、读懂」外部世界。底层靠多模态模型、OCR 文字识别、ASR 语音识别支撑。

2. 大脑（Brain / LLM）—— 主厨

核心中枢。模型的能力上限决定了 Agent 的整体天花板。主流选择有 GPT、Claude、DeepSeek、通义千问。

大脑做三件事：

理解意图：解析你的指令，明确最终目标

推理决策：结合上下文和记忆，判断下一步做什么

调度工具：判断要不要调用外部工具，选哪个，参数怎么填

大脑和工具层之间靠函数调用（Function Calling）连通。开发者预先定义好工具的名字、用法和参数规范，大模型按标准格式发调用请求，外部程序执行后把结果送回。

3. 工具层（Tools）—— 厨房厨具

执行单元。把大脑的决策变成真实操作，打通 AI 和外部世界。

分类常见工具干什么用信息获取联网搜索、文档读取、数据库查询拿模型自己没有的实时或专业信息计算执行代码解释器、数学引擎做精算、跑代码逻辑内容生成图像生成、语音合成、文档导出产出图片、语音等非文本内容系统交互API 接口、文件读写、邮件/消息对接外部软件和服务

4. 记忆层（Memory）—— 顾客记录本

存储和延续上下文。记住你说过什么、做过什么，不用每次都从头来。全程给其他组件供数据。

四类记忆：

类型存什么特点短期记忆当前对话/任务的实时内容受 token 长度限制，8K～200K token长期记忆你的偏好和固定信息靠向量数据库持久化存储情节记忆历史任务的执行步骤和日志让 Agent 参考过往经验处理同类问题语义记忆通用知识和客观事实通过 RAG 接入外部知识库补充

企业级方案标配：RAG + 向量数据库。

5. 规划层（Planning）—— 出餐流程单

拆解复杂任务，排序执行，出错时自我纠正。没有这一层，Agent 只会被动回答，不会主动做事。

四种主流策略：

策略做法适合CoT（思维链）先梳理推理过程，再给结论数学计算、纯逻辑分析ReAct（推理+行动）推理和执行交替进行，根据结果动态调整需要频繁调工具的动态任务ToT（思维树）同时探索多条推理路径，选最优的执行复杂决策、创意任务Reflection（自我反思）任务完成后自查、修正写代码、写长文章

二、Agent 运行循环

五个组件不是各自跑完就算了，它们在闭环里不断轮转，直到任务完成或触发终止条件。执行出错了会自动修正。

每一轮的四个步骤：

感知：接收你的指令、环境状态、上一轮工具返回的结果，拼成上下文

思考：大模型理解意图，规划任务，判断要不要调工具

行动：执行工具调用或系统操作

观察：收集执行结果，更新记忆。没做完就进入下一轮；出错了就把结果反馈给大脑，调整策略

核心能力：试错 + 自修正。这才是 Agent 自主运行的根基。

三、一个完整案例

需求：查明天北京天气，如果下雨就给小王发提醒。

Agent 在闭环里跑完整个过程：

感知层收到自然语言指令，识别关键信息：地点（北京）、时间（明天）、联系人（小王）

大脑拆解需求：先查天气，如果下雨就发提醒

规划层排执行顺序：查天气 → 判断是否下雨 → 调联系人 → 编辑发送提醒

工具层调用天气查询接口，结果：明天北京有雨

记忆层检索通讯录（长期记忆），拿到小王的联系方式

工具层调用消息发送接口，推送雨天提醒

观察环节确认消息发送成功，任务完成，循环终止

四、总结

一张表看清五个组件：

组件类比职责关键技术感知层前台接收多模态输入，构建上下文多模态模型、OCR、ASR大脑主厨理解意图、推理决策、调度工具LLM、函数调用规划层流程单拆解任务、排序、自查纠错CoT、ReAct、ToT、Reflection工具层厨具执行操作，对接外部系统搜索、代码、API、文件记忆层记录本存储上下文、长期知识和历史向量数据库、RAG

Agent 的公式：多模态感知 + 大模型决策 + 任务规划 + 工具执行 + 分层记忆，靠闭环循环实现自主运行。

入门路径：先把五个组件分工和运行循环搞清楚，然后用 ReAct 和 RAG 做简单实践，再逐步上手工具调度和记忆管理。