认识 AI Agent：概念、架构、设计模式与主流框架

你让一个普通的 AI 助手“帮我整理本周的项目周报”，它多半回你一份周报模板，然后结束。换成 Agent，它会自己去查项目文档、提取关键信息、按模板生成摘要，甚至主动推送到协作群。差别在于：普通 AI 是你问一句、它答一句；Agent 是你给一个目标，它自己想办法完成。这篇文章从 Agent 是什么讲起，到它的架构、特性、常见设计模式，最后梳理主流的 Agent 框架。

1. Agent 是什么

1.1 带大脑、有手脚、有计划

在 AI 的语境下，Agent（智能体）是一种能够感知环境、进行自主决策、并调用工具去完成特定任务的智能系统。简单说，就是一个“带大脑、有手脚、有计划”的数字助手。

对照着看会清楚很多。以“学生准备社团活动”为例：

• 传统 AI 像复读机：你问“怎么写活动策划”，它给你一份模板，然后结束。
• Agent 像社团负责人：先调用日历 API 查空闲场地，再拆解出“定场地、发通知、拉赞助”几个步骤；自动发邮件联系场地管理员，用搜索工具找潜在赞助商名单；原场地被占了就自动查备用场地并重新协调；还记得你上次对音响不满意，这次自动在需求单里注明。

1.2 问答模式与任务驱动模式

两者的核心区别在交互模式：传统 AI 是“问答模式”，你推一下它动一下；Agent 是“任务驱动模式”，你给个目标，它自己想办法完成。

这里要分清一件事：不是所有用了大模型的应用都叫 Agent。判断标准在于它有没有“自主规划并调用工具”的能力。一个只会按固定提示词回答的聊天机器人不是 Agent；一个能自己决定“先查什么、再调哪个工具”的才是。

2. Agent 的基本架构

2.1 核心公式

一个典型的 Agent 以大型语言模型（LLM）为核心，围绕它构建三个组件：规划（Planning）、记忆（Memory）、工具使用（Tool Use）。业界公认的一个经典公式：

Agent = LLM（大脑）+ 规划（策略）+ 记忆（经验）+ 工具（手脚）

2.2 四个组件拆解

• LLM（大脑）：核心，负责逻辑推理、意图识别和语言生成。Agent 的所有行动指令都源于 LLM 对当前任务的理解。
• 规划（Planning）：依赖 LLM 分析当前任务状态、拆解目标、生成思考路径，决定下一步动作。
• 记忆（Memory）：分短期记忆（上下文历史，保持对话连续）和长期记忆（外部知识库，如向量数据库、知识图谱），防止遗忘历史信息、从经验中学习。
• 工具使用（Tool Use）：真正执行动作的模块，调用搜索引擎、计算器、代码解释器、第三方 API 等，突破模型自身的能力边界。

用“晚上下班回家”的场景串起来：你对智能音箱说“我回来了”。大脑理解“回来”意味着恢复居家环境；规划自动拆成三步，开客厅灯、开空调、放轻音乐；记忆记得你平时喜欢白光、空调 24℃、钢琴曲音量 30%；工具依次给智能灯泡、空调、音乐播放器发指令。

2.3 Agent 与 Workflow 的区别

这是最容易混淆的一对概念。

工作流（Workflow）是一系列预定义的、有序的步骤，按固定流程自动执行。开发者提前写好所有路径：发生 A 就执行 B，失败就走 C。同样的输入永远得到同样的执行路径，像一条工业流水线。

Agent 是给定目标后，根据当前情况临时决定每一步做什么，执行路径不确定，会根据环境反馈不断调整。

特性	Workflow（工作流）	Agent（智能体）
核心理念	确定性流程，按预设路径执行	自主决策，动态规划步骤
决策者	开发者（代码预设）	AI 模型（运行时判断）
执行路径	固定，分支有限	动态，可调整、重试
工具调用	硬编码、固定调用	自主选择时机和工具
容错能力	弱，异常常导致整体失败	强，可降级、换方案、自我修正

一个类比：工作流像跟团游，8 点集合、9 点到博物馆、12 点开饭，行程表是死代码，博物馆闭馆也会把你拉到门口；Agent 像背包客，目标是“去西安感受历史”，发现博物馆排队太长，就查附近古迹、先去吃个肉夹馍避开高峰。

实际开发中两者经常配合使用，形成“基于工作流的智能体”：工作流提供约束，防止 AI 乱跑、无限循环或产生幻觉，保证核心步骤不出错；Agent 提供智能，在具体环节里处理复杂、非结构化的数据。

3. Agent 的基本特性

一个合格的 Agent 通常具备五个特性，用旅行规划 Agent 的例子逐条对照：

1. 自主性（Autonomy）：能在没有直接干预的情况下运作，对自身行动有控制权。你只说“帮我规划五一去云南的 4 天行程”，它自己决定查机票、酒店、景点顺序。
2. 反应性（Reactivity）：能感知环境变化并及时反应。发现 5 月 1 日昆明机票售罄，立刻调整方案，改建议飞丽江或改日期。
3. 主动性（Proactiveness）：不仅响应需求，还主动规划中间步骤以达成隐含的高阶目标。主动比较航班价格、计算总预算、推荐最优路线。
4. 学习能力（Adaptability）：能从历史交互中提取抽象偏好并用于后续任务。你反馈“不喜欢太赶的行程”，它下次自动留出更多自由时间。
5. 社交能力（Social Ability）：多个 Agent 之间能通信协作。它能与专门的机票预订 Agent、酒店预订 Agent 协作，通过标准协议相互询问、协商。

4. 常见设计模式

Agent 不是一拍脑袋想出来的，业界沉淀了几种经典设计模式。理解它们，就理解了 Agent“怎么思考”。

4.1 ReAct：推理与行动的循环

两种“半成品”模式

ReAct 是由 Google Research 在 2022 年提出的推理框架，核心是把推理（Reasoning）和行动（Acting）结合起来。在它之前，模型要么只推理、要么只行动，各有各的坑：

纯推理（Reasoning-Only）：只在内部推演，不调用外部工具。问“今天北京天气，给穿衣建议”，它凭“4 月北京平均 15℃”推理，得出“晴朗、建议薄外套”。实际当天是 8℃ 有雨，答案完全错误。问题在于它依赖过时的平均数据，产生了幻觉。

纯行动（Action-Only）：只生成行动指令，不解释为什么。问“今天天气如何，晴天就推荐几个公园”，它机械执行：查天气得到“8℃、沙尘暴”，判断“不适合户外”，却仍然推荐公园列表。问题在于缺乏“思考”环节做条件判断，明知不适合户外还一路往下走。

ReAct 的 TAO 循环

ReAct 把两者结合起来，按照“思考 → 行动 → 观察”循环迭代，简称 TAO 循环：

还是那个天气问题，ReAct 的做法是：

Thought 1: 需要先查天气，再根据天气决定是否推荐公园。
Action: get_weather(city="Beijing")
Observation: {"temp": 8, "condition": "沙尘暴"}

Thought 2: 沙尘暴不适合户外，用户要求晴天才推荐公园，改为推荐室内场馆。
Action: recommend_indoor_places(city="Beijing")
Observation: ["国家博物馆", "首都图书馆"]

Final Answer: 今天 8℃ 有沙尘暴，不建议去公园，推荐国家博物馆或首都图书馆。

每一步都先思考、再行动、再根据观察结果决定下一步，既拿到了真实数据，又避免了机械执行。

优势与劣势

优势：动态适应（根据上一步结果即时调整策略）；可解释性强（Thought→Action→Observation 轨迹清晰可追溯）；显著降低而非杜绝幻觉。工具观察提供了事实锚点，但如果工具返回的数据本身有误，模型仍可能基于错误信息继续推理。

劣势有四条：易陷入循环或跑偏（缺乏全局计划，可能忘记原始目标）；无法并行（必须串行执行，同时查天气、股价、新闻要轮流调三次工具）；不适合长周期任务（必须阻塞等待，启动 10 小时模型训练会让会话超时）；工具调用次数不可控（反复试错导致成本飙升）。

落地时的修正

实际落地几乎没人直接用原生的 ReAct 循环，业界通常做四件事：引入双层架构，顶层规划器输出任务清单，底层执行器对每个子任务跑 ReAct，防止跑偏；独立子任务直接并行调用；长周期任务下发消息队列不阻塞会话；设置最大迭代步数控制成本。

4.2 Plan & Execute：先规划后执行

Plan & Execute 是另一种设计模式：先由规划器（Planner）生成高层多步骤计划，再由执行器（Executor）按序执行，执行中可基于中间结果触发重新规划。它不像 ReAct 那样“每走一步都全局思考下一步”，而是“先画施工蓝图，再按图施工，遇到地质变化时修改图纸”。

优点：不易跑偏（全局计划像施工图纸）；可并行执行（无依赖的步骤同时运行）；效率高成本低（任务分解的推理集中在规划阶段完成，执行阶段多为固定工具调用）。

缺点也明显：异常分支处理薄弱（计划一旦生成就难应对中途的新信息）；计划出错则全盘失败（遗漏关键步骤或顺序错误）；不适合探索性任务（“帮我找个有意思的 GitHub 项目”，“有意思”无法提前编码进计划）。

修正思路：主流框架采用 Planning + ReAct 混合模式，执行器在局部循环里自治；计划生成后先检查步骤顺序、分段执行勤存盘、哪步坏了只修哪步；探索性任务改用“探索-评估”循环，把主观目标转成可计算的满意度分数。

4.3 Reflection：生成-反思的闭环

Reflection 是让同一个（或不同）模型对自身输出进行审视、批评并迭代改进的模式，核心是“生成 → 反思”的闭环。

举个例子，写一条节约用水用电的公告。初稿“请大家节约用水用电，不要乱扔垃圾”太笼统、像喊口号；第一轮反思后改成具体行为“离开教室关灯关风扇，洗手后拧紧水龙头”；第二轮反思再加正面鼓励，最终版本更有感染力。这就是“生成-反思-优化”的循环。

优点：质量更高（生成者与批判者自我博弈）；不依赖别人（无需构建双模型）；减少返工（把错误前置到 AI 自己的推理过程中）。

缺点：费时间（每轮反思都要完整重读和重新生成，3 次反思约 4 倍 token 成本）；容易改过头（过度修改让内容变得刻板）；自己可能有盲区（评判标准来自模型自身，数学不好的模型检查不出自己的逻辑漏洞）。

修正思路：快照对比加强制早退，设置最大反思轮次（通常 1-3 次），引入外部校验（代码跑测、事实核查、用户反馈）。

4.4 ReAct 与 Reflection 的对比

特性	ReAct	Reflection
核心机制	推理-行动-观察的紧密循环	尝试-评估-反思-重试的迭代循环
主要目标	与外部环境交互完成任务	总结经验教训提升质量
关键依赖	外部工具或环境的反馈	评估机制判断对错
适用场景	网络搜索、数据库查询、API 调用等实时反馈任务	代码生成、数学推理、复杂创作等准确性要求高的任务

两者不互斥，经常互补：主体用 ReAct 调用工具执行动作，任务完成后或失败时外挂一个 Reflection 模块监控质量、分析错误。这样 Agent 既能高效“行动”，又能聪明“成长”。

5. 主流 Agent 框架

理解了原理，再看怎么落地。主流框架大致分两类：一类是代码库（Library），开发者用代码组装 Agent；一类是平台（Platform/SaaS），可视化拖拉拽搭建。

5.1 代码库类框架

框架	一句话定位	类型
LangChain	模块化智能体开发的“乐高”底座，Prompt、Memory、Tool 自由组合	Python/JS
LangGraph	构建有状态、可控的复杂智能体工作流，基于图的编排引擎	Python/JS
LlamaIndex	以数据为中心的 RAG（检索增强生成）与 Agent 框架，连接私有数据与 LLM	Python/TS
Haystack	模块化 RAG 与 Agent 流程构建，Pipeline 设计	Python
Spring AI	提供 AI 能力集成的抽象层，扩展 Agent 构建能力	Java
LangChain4j	LangChain 的 Java 移植版，从设计之初就以 Agent 为核心	Java
AgentScope	企业级开箱即用，三层架构，Runtime 兼容 LangGraph/AutoGen	Python/Java
Semantic Kernel	轻量级 AI 编排 SDK，把 AI 能力融入现有业务代码	.NET/Python/Java
AutoGen	多智能体“会议”式对话协作，通过 Agent 间对话协商解决任务	Python/.NET
Microsoft Agent Framework	微软统一的企业级多智能体 SDK，统一 Semantic Kernel 与 AutoGen 经验	.NET/Python
CAMEL	角色扮演式多智能体框架，探索大规模智能体社会行为	Python/TS
CrewAI	“AI 梦之队”角色扮演协作，为 Agent 定义角色、目标与背景故事	Python

5.2 平台类框架

平台	一句话定位	类型
Coze（扣子）	字节跳动一站式 AI Bot 开发平台，低门槛可视化搭建，一键发布到飞书、微信	SaaS
Dify	可视化 LLMOps 与 Agent 编排平台，可视化编排工作流、RAG 与 Agent	开源/云
n8n	AI 原生工作流自动化平台，400+ 集成节点，把 Agent 融入自动化流程	开源/云
百度千帆	百度企业级一站式大模型开发平台，支持 Agent、RAG、工作流编排	SaaS
FastGPT	开箱即用的知识库问答与 AI 工作流平台，一键接入企微、飞书、钉钉	开源/云
AutoGPT	早期“自主 AI”概念项目，让 AI 自主拆解并执行任务	开源

5.3 怎么选

选框架不是看谁名气大，而是看场景。要快速验证一个 Bot 想法、面向非程序员，用 Coze、Dify 这类平台更合适；要做精细控制、接入现有工程、构建生产级复杂工作流，用 LangGraph、AutoGen、CrewAI 这类代码库。Java 技术栈有 Spring AI、LangChain4j；.NET 有 Semantic Kernel。还要注意一点：一旦用某个框架构建了核心智能体生态，后续会面临“框架锁定”，这也是 A2A（Agent-to-Agent）协议要解决的问题之一，即让不同框架的 Agent 能互相通信。

结语

把整条线串起来：Agent 之所以区别于普通 AI，是因为它把 LLM 从“答题者”变成了“执行者”，大脑负责推理，规划拆解目标，工具真正动手，记忆积累经验。ReAct、Plan & Execute、Reflection 三种设计模式，对应“边想边做”“先想再做”“做完再改”三种做事方式。至于选哪个框架，代码库框架让你能够掌控全局，平台类框架让你能够快速上手。理解了这个从“是什么”到“怎么思考”再到“用什么做”的脉络，再去上手任何一个 Agent 框架，都不会觉得陌生了。