AI Agent 是什么？从 LLM、Tools、Prompt 理解 Agent 本质

Agent 的实质是什么？用 LLM + Tools + Prompt 三元素框架拆解 Agent 设计核心，涵盖模型选型、工具分类与 Skill 积累，帮你从「会用」升级到「会设计」。

做了大半年 AI Agent 开发，写了不少 demo，也踩了不少坑，回头看的时候发现——核心就三样东西：LLM、Tools、Prompt。

这个认知不是一开始就有的。最初我也是照着教程一步步来，调 API、接工具、写提示词，但总觉得缺个全局视角。后来有一天整理笔记，把做过的 Agent 项目拆开来看，才有了一个发现。不管是简单的问答机器人，还是复杂的多步骤任务系统，本质上都是在组合这三个元素。

这感觉有点像当年学 Web 开发——理解了 MVC 模式之后，再看任何框架都能快速拆解。Agent 也一样，理解了三元素框架，你就能用一个清晰的视角去拆解市面上任何 Agent 产品，也能自己从零设计一个。

图 1：Agent 三元素框架 — LLM（推理）+ Tools（操作）+ Prompt（目标），三者汇聚生成 Agent

如果你刚接触 Agent，建议先看看之前写的什么是 Agent，有个基本概念再来读这篇，会顺畅很多。

LLM 选型——Agent 的大脑

Agent 的推理能力完全依赖底层的大语言模型（LLM），所以选型是最底层的决策。我的经验是，选型的核心考量不是"哪个模型最强"，而是性价比——根据你的使用频次和能力需求来选。

当前格局大致是这样：Claude、Gemini、ChatGPT 三强领跑，各家各有特长。国内厂商追赶得很快，但在复杂推理和长上下文场景下，差距还是能感受到的。我的原则很简单：能用国外模型就优先用国外模型，尤其在 AI Agent 场景下，推理能力的差异会直接影响任务完成率。

但这里有个很多人忽略的坑：反向代理（Reverse Proxy）的风险。

国内开发者因为网络原因，经常通过第三方 API 代理来调用模型。这些代理表面上看起来一切正常——请求能发出去，响应也能收回来。但问题是，你很难确认中间层有没有对请求做改动。有些代理会在你的 Prompt 前面插入系统指令。有些会对上下文（Context）做截断或压缩。更有甚者，会把你的对话数据拿去做训练。

我在早期用第三方代理的时候，经常遇到一个诡异的现象：同样的提示词，过一阵子效果就不一样了。后来才意识到，是代理方在中间层调了策略。这对 Agent 开发是致命的——Agent 的行为依赖提示词的稳定性，如果底层上下文不纯净，你根本无法构建可复现的行为模式。

所以我的建议是：要么直接用官方 API，要么自己搭建代理通道。只有稳定的提示词系统，才有积累的可能。

选好了大脑，接下来要给它什么工具？这涉及到 Agent 设计中最有讲究的部分。

Tools 设计——上下文管理的三大工具类型

如果说 LLM 是大脑，那 Tools 就是 Agent 的手和脚。但我觉得更准确的说法是——工具的本质是辅助模型处理上下文。所有工具设计的目标，都可以归结为一句话：构造「短、高目标性、主题单一」的上下文。

为什么这个目标如此重要？因为模型的推理能力会随上下文膨胀而下降。上下文越长、主题越杂，模型就越容易"走神"——忘掉最初的任务、被无关信息带偏、或者产生自相矛盾的输出。这不是某个模型的问题，而是目前所有 LLM 的共同局限。

我根据自己的实践，把 Agent 常用的工具分成三类：

图 2：Agent 工具三大分类 — Plan 工具保证一致性，文件操作卸载上下文，Sub-Agent 隔离上下文

Plan 类工具：让 Agent 保持方向感

Plan 类工具包括 todo list、思考工具（Chain of Thought 的外部化版本）等。它们的核心作用是让 Agent 始终朝目标前进，不跑偏。

举个具体例子：你让 Agent 去完成一个多步骤的编程任务，如果没有 Plan 工具，它可能写到第三步就忘了第一步的需求是什么。但如果它能把计划写下来，每完成一步就更新状态，行为就会一致得多。这跟人做事情是一个道理——好记性不如烂笔头。

方向感有了，但 Agent 还需要记忆和检索能力——这就轮到文件操作类工具出场了。

文件操作类工具：卸载上下文，构建记忆

这类工具涵盖的范围很广：读写文件、执行命令行、记忆模块，还有检索增强生成（RAG）。它们的共同目的是把大量信息从上下文中卸载到外部存储，需要的时候再按需检索。

Agent 不需要把所有信息都塞在对话历史里。它可以像人一样，把笔记写在文件里、把关键信息存到数据库中，需要的时候再去查。这样上下文就能保持精简和聚焦。记忆模块更是如此——把上次任务的经验存下来，下次直接复用，这就是一种数字资产。

如果你好奇为什么不能靠纯工作流编排来解决这些问题的，可以看看我之前写的AI 工作流的局限。简单说，工作流是静态的路径规划，但 Agent 需要的是动态推理和自主决策能力。

Sub-Agent：隔离上下文的利器

第三类工具比较特殊——把子 Agent 当作工具来调用。这听起来有点套娃，但背后的逻辑很清晰：上下文主题冗杂会直接降低模型能力。

想象一下：让一个 Agent 同时处理多个不同目的的任务，比如一边写代码一边做调研一边管理文件。这时候它的上下文会变得非常嘈杂。解决方案是给每个目的分配一个独立的子 Agent，每个子 Agent 只关心自己的任务，上下文保持主题单一。主 Agent 负责调度，把各个子 Agent 的结果汇总。

这不仅是工程上的最佳实践，也是当前 Agent 设计的一个核心趋势。关于这方面的深入讨论，可以参考多 Agent 系统。

值得一提的是，Anthropic 在他们的 Building effective agents 一文中也提到了类似的思路——工具设计的关键不在于工具本身有多强大，而在于它如何帮助模型更好地管理上下文。

工具讲完了，但光有工具还不够。工具解决的是「怎么做」的问题，而 Agent 还需要知道「做什么」和「做成什么样」——这就轮到提示词登场了。

Prompt 与 Skill——经验的沉淀

有了 LLM 和 Tools，最后一个元素是 Prompt。说到提示词，很多人的印象还停留在"写一段话让模型做什么"。但在 Agent 场景下，提示词需要高度目标化和语义化——你必须非常明确地告诉 Agent 目标是什么、约束条件是什么、判断标准是什么。模糊的提示词在 Agent 系统中会被放大成灾难性的行为偏差。

但我想重点聊的不是怎么写提示词，而是一个更有长期价值的概念：Skill。

什么是 Skill？简单说，Skill 就是验证过的提示词。你写了一段提示词，跑了十次，效果稳定、结果可靠，于是把它封装起来，加上清晰的输入输出定义，下次直接复用——这就是一个 Skill。

这个过程跟人的学习很像。一个智商很高的人做事情，也不可能第一次就完美——他需要多次尝试、拿反馈、积累经验，最后形成方法论。AI 系统也一样。快反馈 + 经验积累 = 强大的系统。

这也是为什么我特别强调 Skill 的积累。每个人的需求不同，你在自己场景下调好的提示词，就是你的专属数字资产。行业里已经有不少这样的实践——Claude Code 的 Skills 系统、OpenAI 的 Custom GPTs，本质上都是在做同一件事：让用户把验证过的提示词沉淀下来。

我的方法论很简单：执行效果好 → 分析为什么好 → 封装为 Skill → 下次直接复用。这个循环转得越快，你的 Agent 系统就越强。

三个元素分别聊完了。但真正有趣的事情发生在你把它们组合起来的时候。

用三元素框架设计 Agent

这里我想分享一个我自己的元范式：不要直接让 Agent 去执行任务，而是先让它构建一个「专门解决该任务的 Agent」。

什么意思？假设你要做一个自动化代码审查的 Agent。按照传统思路，你可能直接开始写提示词、配工具。但按照元范式的思路，你应该先分析这个任务需要什么：

• LLM 选型：代码审查需要强推理能力，所以选高能力模型；但如果只是做风格检查，用小模型就够了
• Tools 设计：需要读代码文件（文件操作）、需要了解项目规范（RAG）、可能需要并行审查多个文件（Sub-Agent）
• Prompt 设计：审查标准是什么、输出格式是什么、发现问题时怎么处理

确定了三元素之后，再生成 Agent 去执行，然后验证效果。效果好？封装成 Skill，下次直接用。效果不好？调整三元素的配置，再来一轮。

图 3：从任务到 Agent 的设计流程 — 分析需求 → 确定三元素 → 生成 → 执行 → 验证 → 封装 Skill

这其实就是 构建 Tiny Agent 里那个最简示例的放大版——即使是那个最简单的 Agent，你也能清晰地看到三元素的各自角色。

再往上一层看，这个流程本身就揭示了 Agent 编排的底层逻辑：知识库（外部信息）+ Agent（编排构造）+ 工作流（存档复用）。知识库提供信息输入，Agent 负责动态编排，工作流把验证过的方式沉淀下来。三元素框架不是理论，它就是你设计 Agent 时的操作清单。

---

回头看，Agent 开发这两件事最关键：快反馈循环和经验积累。快反馈让你能快速验证想法、发现问题；经验积累让你不用每次都从零开始。三元素框架就是帮你系统化地做这两件事的工具。

说到底，LLM 提供推理能力，Tools 管理上下文边界，Prompt 沉淀验证过的经验——三者缺一不可。没有好的模型，工具再精巧也是空转；没有合理的工具设计，模型再强也会被上下文拖垮；没有经过验证的提示词，每次都是重新发明轮子。把这三个变量调对了，Agent 自然就跑起来了。

这个框架不算什么高深理论，但确实帮我在做 Agent 项目时少走了不少弯路。希望对你也有用。

下一篇，我打算聊聊移动端 Agent 的从零开发——怎么在手机上跑起来一个真正有用的 Agent。这是一个我正在探索的方向，踩了不少新坑，到时候分享给你。

延伸阅读：

• 什么是 Agent — 如果你刚入门，从这里开始

• 构建 Tiny Agent — 最小化的 Agent 实现，感受三元素

• 多 Agent 系统 — Sub-Agent 设计模式的深入探讨

  这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

👇👇扫码免费领取全部内容👇👇

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2026行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

7. 资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇