AI Agent 这几年突然变得很热门。

但问题是，每个人口中的 AI Agent，可能都不是同一种东西。

有人认为，能自动帮你完成任务的 ChatGPT、Claude、Codex 就是 AI Agent；也有人认为，必须像机器人一样能在真实世界行动，才算真正的 Agent。

所以我们先不争定义。

这篇文章里说的 AI Agent，指的是：

人类只给 AI 一个目标，不告诉它每一步怎么做；AI 需要自己观察环境、采取行动、根据反馈调整，直到完成目标。

比如你让 AI 做研究。

普通 AI 可能只是回答你几段文字。

但一个 AI Agent 应该可以：

提出假设；
设计实验；
执行实验；
分析结果；
发现结果不对后，重新修正假设。

这就是 Agent 和普通聊天机器人的区别。

普通 AI 是“你说一步，它做一步”。

AI Agent 是“你给目标，它自己想办法”。

一、AI Agent 的基本循环：观察、行动、再观察

AI Agent 的运行过程，其实可以简化成一个循环：

目标->观察环境->采取行动->环境变化->再次观察->再次行动

这里有三个关键词。

Goal，目标。

这是人给的，比如“赢下这盘棋”“帮我订披萨”“修好这个程序”。

Observation，观察。

AI 看到当前环境是什么样子。

如果是下棋，观察就是棋盘上黑白棋的位置。
如果是使用电脑，观察就是屏幕画面。
如果是写代码，观察就是项目文件、报错日志、测试结果。

Action，行动。

AI 根据当前观察，决定下一步做什么。

下棋时，行动是落子。
使用电脑时，行动是点击、输入、滚动。
写代码时，行动是修改文件、运行命令、修复错误。

然后行动会改变环境，AI 又看到新的观察，再决定新的行动。

这就是 AI Agent 最核心的工作方式。

二、从 AlphaGo 到大语言模型：Agent 的思路变了

过去我们谈 AI Agent，常常会想到强化学习，也就是 Reinforcement Learning。

AlphaGo 就可以看作一个典型 Agent。

它的目标是赢棋。
它的观察是棋盘状态。
它的行动是选择落子位置。
它通过大量训练，学会最大化获胜概率。

强化学习的关键是 reward，也就是奖励。

赢了，reward 是正的。
输了，reward 是负的。
模型通过不断尝试，学习怎样拿到更高奖励。

但这种方法有一个问题：

每个任务通常都要单独训练。

会下围棋的 AlphaGo，不代表天然会下西洋棋。
会玩游戏的 Agent，也不一定会写代码、订机票、做研究。

而今天 AI Agent 再次爆红，原因不是强化学习突然突破了，而是大语言模型变强了。

人们开始想：

能不能直接把 LLM 当成 Agent？

也就是说，让 GPT、Claude 这类模型接收目标、理解环境、输出行动。

这时 AI Agent 不再依赖专门为某个任务训练出来的模型，而是依靠大语言模型本身的通用能力。

从模型视角看，它其实还是在做一件事：

文字接龙。

你给它目标、观察、历史记录、工具说明，它继续生成下一段文字。

只不过这段文字可能不再是普通回答，而是：

点击某个按钮；
调用某个工具；
修改某段代码；
制定下一步计划。

所以，今天很多 AI Agent 并不是一种全新的模型技术，而是大语言模型的一种应用方式。

三、AI 如何通过经验调整行为？

一个 Agent 必须能从反馈中学习。

比如 AI 程序员写了一段代码，运行后出现 compile error。

它应该怎么办？

过去机器学习的思路可能是：拿这个错误继续训练模型，更新参数。

但今天 LLM Agent 通常不这么做。

它不需要改参数。

它只需要把错误信息放进上下文里。

第一次输入是：

请写一个程序完成这个任务。

模型可能写错。

第二次输入变成：

请修复这个程序。
错误信息是：xxx。

同一个模型，因为输入变了，输出也会变。

这就是 LLM Agent 根据经验调整行为的基本方式：

不是通过更新参数学习，而是通过更新上下文改变行为。

但这里有一个新问题。

如果 Agent 一直运行，它会经历成千上万次观察和反馈。

难道每一次决策，都要把过去所有经历全部塞给它吗？

这就像一个人每做一个决定，都要回忆自己从出生到现在发生过的所有事。

信息太多，反而会影响判断。

所以 AI Agent 需要长期记忆。

这个记忆系统通常可以分成三个模块。

第一，Write：写入记忆。

不是所有事情都值得记下来。

Agent 要判断：这件事重要吗？以后可能用得上吗？

如果重要，就写入 memory；如果不重要，就忽略。

比如用户明确说“记住，我周五下午要上机器学习课”，这就应该进入长期记忆。

第二，Read：读取记忆。

当 Agent 遇到新问题时，不是读取全部记忆，而是检索相关记忆。

这其实很像 RAG。

当前问题是 query，长期记忆是数据库，Read 模块负责找出最相关的信息，放进上下文。

第三，Reflection：反思。

Agent 不只保存原始经历，还可以对经历做总结和抽象。

比如它多次发现某个 API 容易报错，就可以总结出：

“以后调用这个 API 时，必须先检查参数格式。”

这类反思会让记忆变得更有用。

所以，AI Agent 的“经验学习”并不神秘。

它主要靠：

记录重要经验->检索相关经验->在新任务中参考经验

它更像一个会查笔记的人，而不是一个每次都重新训练大脑的人。

四、AI Agent 如何使用工具？

LLM 很强，但它不是万能的。

它可能不知道实时天气。
它心算不一定可靠。
它不能凭空访问你的电脑文件。
它也不能天然看到网页、听音频、操作软件。

所以 Agent 需要工具。

什么是工具？

简单说：

工具就是 Agent 知道怎么调用，但不需要理解内部原理的能力。

比如：

搜索引擎；
计算器；
代码执行器；
数据库查询；
图片识别模型；
语音识别模型；
浏览器操作；
另一个更强的 AI 模型。

对语言模型来说，工具本质上就是 function call。

模型输出一段调用指令，系统把这段指令转成真正的函数执行，再把结果返回给模型。

比如用户问：

明天高雄气温是多少？

模型自己不知道实时天气，于是输出：

调用Weather("高雄","明天")

系统调用天气工具，返回：

32°C

模型再把工具结果组织成人能看懂的话：

明天高雄气温大约是32°C。

这就是工具使用的基本流程。

工具让 AI Agent 的能力大幅扩展。

它可以搜索资料，写代码并执行，读取网页，分析文件，操作电脑。

但工具也有风险。

工具可能给错答案。

比如搜索结果里可能有玩笑、谣言、过期资料。
如果 Agent 完全相信工具，就可能把错的东西当真。

著名例子是搜索总结把网友“用胶水粘披萨奶酪”的玩笑当成建议。

所以好的 Agent 不只是会用工具，还要会判断工具结果是否合理。

它内部的知识和外部工具返回的信息之间，会有一个“拉扯”。

如果工具说“高雄现在 10000°C”，模型应该意识到这不合理，而不是照单全收。

工具不是越多越好。

如果问题很简单，比如 3 × 4，模型直接回答 12 就可以了。
非要调用计算器，反而更慢。

所以 Agent 还要学会判断：

什么时候自己解决；
什么时候调用工具；
调用哪个工具；
工具结果要不要相信。

这才是真正成熟的工具使用能力。

五、AI Agent 能不能做计划？

Agent 要完成复杂目标，光靠一步一步反应是不够的。

它需要计划。

比如用户说：

帮我规划一个三天旅行，预算3000元。

这不是一步能完成的任务。

Agent 需要考虑：

交通；
住宿；
餐饮；
景点；
时间安排；
预算限制；
用户偏好。

计划的基本思路是：

先根据目标和当前状态，生成一系列步骤；
再按照计划执行；
执行过程中，根据新情况调整计划。

但计划有一个麻烦：

现实世界会变化。

下棋时，对手不会完全按照你的预期走。
订票时，航班可能没座位。
使用电脑时，页面可能突然弹广告。
写代码时，一个修复可能引发新的报错。

所以 Agent 不能只制定一次计划，然后死板执行。

它必须能不断重新规划。

更合理的方式是：

观察当前状态
->生成当前计划
->执行下一步
->看到新状态
->判断原计划是否还适用
->必要时重新规划

这就是动态规划式的 Agent 行为。

现在很多推理模型会在回答前进行长链路思考，看起来像在脑内演练不同路径。

这可以帮助 Agent 做计划。

比如它会想：

如果点按钮 A，可能发生什么？
如果点按钮 B，可能发生什么？
哪条路径更接近目标？

这有点像 tree search，也就是在脑中搜索不同路径。

但这里也有一个问题：

模型可能想太多。

有些任务与其一直推理，不如直接试一下。

比如网页上一个普通按钮，点了不对可以返回。
模型如果在点击前思考两千字，效率反而很低。

所以 Agent 的规划能力也要平衡：

不能完全不想；
也不能一直空想。

好的 Agent 应该知道什么时候计划，什么时候行动，什么时候停下来重新判断。

六、AI Agent 的三个核心能力

总结一下，一个真正有用的 AI Agent，至少需要三种能力。

第一，根据经验调整行为。

它不一定要更新模型参数，但要能利用历史反馈、长期记忆和相关经验，让下一次行动更好。

第二，使用工具。

它要能调用搜索、代码执行、浏览器、数据库、多模态模型等外部工具，弥补自身能力边界。

第三，制定和修改计划。

它要能把复杂目标拆成步骤，并在环境变化时灵活调整，而不是机械执行最初计划。

这三种能力合起来，才让 AI 从“回答问题的模型”变成“完成任务的智能体”。

七、最后总结：AI Agent 不是魔法，而是一套循环系统

AI Agent 听起来很神秘，但拆开看，其实是一套循环系统。

它接收目标。
观察环境。
采取行动。
获得反馈。
调用工具。
读取记忆。
修正计划。
继续行动。

直到任务完成。

今天的 AI Agent 之所以变得可行，是因为大语言模型已经具备了足够强的通用理解、生成、推理和工具调用能力。

但它仍然不完美。

它可能记错东西。
可能误信工具。
可能计划失败。
可能想太多。
也可能在复杂任务中迷路。

所以，使用 AI Agent 的关键不是完全放手，而是设计好目标、工具、记忆、反馈和边界。

一句话讲清楚：

AI Agent 的本质，不是一个更会聊天的 AI，而是一个能在目标驱动下，通过经验、工具和计划持续行动的系统。