基本概念

AI Agent 是一个能在目标导向任务中，使用模型理解状态与规划行动、通过工具影响外部环境、并根据反馈持续修正的软件系统。一句话：模型是大脑，Agent 是整个系统。

LLM 本质是一个无状态的概率函数：输入一段文本，输出下一段最可能的文本。它不行动、不记忆、不闭环。Agent 在 LLM 外面包了一整套机制，让它能为一个目标持续工作。

四要素

• 规划：把大目标拆成子步骤，根据中间结果调整计划。ReAct 的边走边想、Plan-and-Execute 的先规划后执行都是规划的不同粒度
• 记忆：短期记忆是当前任务的上下文状态，长期记忆是跨会话沉淀的用户偏好、项目约定和经验
• 工具：让 Agent 从“只能说”变成“能动手”的通道。搜索、读文件、跑代码、查数据库、调 API
• 行动：执行工具调用、观察结果、根据反馈修正的闭环。没有闭环只有调用，是工具增强而不是 Agent

Agent vs Chatbot vs 工作流

判断一个系统是不是 Agent，标准只有一个：控制权在谁手里。加了联网搜索的 Chatbot 还是 Chatbot，因为流程是写死的；只有模型根据观察自己决定下一步做什么、用哪个工具、何时停止，才是 Agent。

Agent 的代价

Agent 的自主性换来了三个代价：

• 错误复合。多步行动中一步走错，后面层层放大，出错后难定位
• 成本不可控。每一步都可能调用模型和工具，任务越开放成本越难预估
• 权限是事故边界。能读文件时错误是内容问题，能发邮件、删数据时错误就是运营事故

所以生产级 Agent 需要轮数上限、工具权限控制、人工确认和可观测性兜底。人的参与不是失败的补丁，是系统设计的一部分。

面试追问

1. Agent 和 LLM 的区别？ LLM 是无状态概率函数，一次调用就结束；Agent 是围绕 LLM 构建的任务执行系统，有规划、记忆、工具和反馈闭环
2. 四要素是什么？ 规划（拆解和调整）、记忆（短期状态加长期经验）、工具（影响外部世界）、行动（执行观察修正的闭环）
3. 加了工具的 Chatbot 是 Agent 吗？ 不是。区别不在能不能调工具，而在流程是否由模型自主决策、有没有多步闭环和状态。单次固定调用是工具增强，不是 Agent
4. Agent 的主要风险？ 错误复合、成本失控、权限越界。解法是循环上限、工具权限、HITL 和可观测性
5. 什么时候不该用 Agent？ 步骤能预先写死、不需要根据中间结果调整策略的任务，Workflow 更便宜更可控