智能体基础原理、组成与执行流程：简易指南

智能体的本质在于认知循环与多模块协同，远超简单的 LLM+ 工具调用。理解其架构与执行流程，是构建高效自主 AI 系统的关键。本指南将从基础定义出发，逐步引导你构建第一个 AI 代理。

AI 代理基础：定义与特性

现代 AI 代理是一类能够感知环境、处理信息并自主行动的软件系统，它们通过大语言模型 (LLM) 等智能组件理解上下文、推理并适应变化。IBM 对 AI 代理的定义是：一套能够代表用户或其他系统自主执行任务、设计工作流程并使用工具的软件系统。

AI 代理具有以下核心特征：

• 自主性：在最低限度的人为干预下独立运行。
• 感知：从环境中获取信息并进行处理。
• 推理：将复杂问题分解并规划解决方案。
• 行动：通过集成的工具或 API 执行任务。
• 学习：通过经验和反馈不断改进表现。

构建智能体的基础架构

在智能体（Agent）设计中，认知循环（Cognitive Loop）是核心理念。它强调智能体应具备感知、推理、记忆和执行四大子系统，并通过闭环反馈实现自我学习和持续优化。这一理念明确指出，自主智能体不仅仅是 LLM 加工具调用，而是多模块协同的复杂系统。

下图展示了智能体认知循环的基本架构：

感知系统（Perception System）

感知系统负责将环境信息转化为 LLM 能理解的语义表示，是智能体与外部世界交互的入口。常见类型包括：

• 文本感知：仅依赖文本输入，适用于对话类任务。
• 多模态感知：视觉 - 语言模型（VLM / MM-LLM）处理图像、视频、音频等多模态输入。
• 结构化数据感知：通过 HTML/Accessibility Tree 解析 GUI，或 JSON/数据库获取结构化信息。
• 工具增强感知：通过 API、搜索引擎、数据库、代码执行等外部工具感知世界。

关键技术包括 Vision Transformer（ViT）、CLIP、VCoder、Set-of-Mark 操作、HTML DOM/Accessibility Tree、Web API、SQL 查询等。

推理与规划系统（Reasoning System）

推理与规划系统让智能体能够分解任务、生成计划并进行反思。其核心能力包括：

• 任务分解：如 DPPM、HuggingGPT、Plan-and-Solve 等模型。
• 多计划生成与选择：Chain-of-Thought (CoT)、Tree-of-Thought (ToT)、Graph-of-Thought (GoT)、LLM-MCTS、RAP 等方法。
• 反思机制：自评与反馈学习（Verbal RL、Anticipatory Reflection）。
• 多智能体协作：通过专家模块协同（如规划、记忆、执行、安全等专家）。

建议采用 CoT/ToT 结合 Reflection 机制，形成闭环推理，并构建模块化专家体系（如 AutoGen、CrewAI）。

核心架构

网站提出了 AI 代理的三个基础组件：AI 大脑（LLM）、记忆 和 工具。

• AI 大脑：核心 LLM，用于理解输入、推理和生成决策。
• 记忆系统：存储上下文、历史交互和学习结果；包括工作记忆、情景记忆和语义记忆等多层结构。
• 工具：代理可调用的外部 API 或功能模块，用于查询数据库、访问知识库、发起网络请求等。

在此基础上形成了"感知–推理–行动接口"的架构：感知层 负责处理文本、图片、API 数据等输入；推理引擎 分析信息并生成决策；行动接口 执行决策，通过调用工具或返回响应；记忆系统 在多次交互间维护上下文，帮助代理在长期运行中学习和调整。

Think-Act-Observe 工作流

AI 代理采用类似人类的"思考–行动–观察"循环：思考 (Think) 分析情况、制定计划；行动 (Act) 执行计划并调用相应工具；观察 (Observe) 评估行动效果、更新记忆并调整策略。这一循环确保代理能够适应变化环境并持续优化。

记忆系统（Memory System）

记忆系统支持智能体的长期知识、短期上下文与动态学习。主要类型有：

• 短期记忆：依赖上下文窗口，可用摘要或滑动窗口机制维持对话状态。
• 长期记忆：RAG、Embodied Memory、SQL/图数据库、AWM（Agent Workflow Memory）。
• 存储内容：经验、流程、知识、用户信息等。
• 挑战：上下文长度限制、记忆去重、隐私与过时问题。

执行系统（Execution System）

执行系统负责将内部计划转化为真实动作，是智能体与外部世界交互的出口。主要机制包括：

• 工具/API 调用：结构化函数调用、JSON schema 描述的 Tool Use。
• 多模态动作空间：支持 GUI 自动化、代码生成与执行、机器人控制等。
• 同步与误差控制：避免视觉延迟、状态错乱、错误传播。

架构整合与自我学习

智能体必须形成“闭环系统（closed-loop autonomy）”，即感知 → 推理 → 执行 → 反馈 → 反思 → 记忆更新。未来研究方向包括自监督反思学习、单次示范学习、人机协同智能体等。

为便于理解各模块与主流项目的对应关系，下面以表格形式进行总结。

参考： Fundamentals of Building Autonomous LLM Agents - arxiv.org

智能体执行流程

理解智能体的执行流程有助于把握其实际工作机制。整体流程可概括为感知、思考、行动的循环：

感知（解析意图）

Agent 首先接收用户请求或环境输入，利用 LLM 解析任务意图。例如，用户询问“明天巴黎天气如何？”，Agent 识别出需调用天气 API 获取答案。

思考（决策规划）

在思考阶段，Agent 采用 Chain-of-Thought（CoT）推理，决定采取哪些动作。LLM 会输出如“Thought: 我需要获取天气 -> Action: 调用 WeatherAPI(location=巴黎)”的推理链，体现分析与计划能力。

行动（调用工具）

Agent 根据思考阶段的决策，调用预先注册的工具函数（Tools）并获取结果。工具可包括数据库查询、API 调用、计算等。例如，Agent 会调用 WeatherAPI 函数获取巴黎天气数据。

观察（获取结果）

工具执行完毕后，结果返回给 Agent。Agent 将结果加入上下文，LLM 综合新信息继续推理，判断是否需要进一步行动或已获得答案。

终止（给出答案）

当 Agent 判断任务完成（或达到步数上限），LLM 生成最终答案输出，通常以 Action: Finish 标志结束，并给出 Final Answer。

智能体组成要素

智能体系统的核心组成包括：

• 一个或多个 LLM：作为大脑进行推理与生成。
• 工具清单：每个工具定义可执行函数及使用说明。
• Prompt 模板：引导 LLM 以特定格式进行思考和行动（如 ReAct 格式）。
• 执行循环逻辑：由框架提供，负责解析 LLM 输出并调用工具。

代码示例

以下为一个简单的 Agent 工具定义与调用示例，帮助理解实际开发流程。

# 使用 LangChain 框架定义和调用 Agent 工具
from langchain.agents import Tool, initialize_agent, AgentType
from langchain.llms import OpenAI

# 定义一个简单的乘法工具
def multiply_numbers(x: str, y: str) -> str:
    return str(int(x) * int(y))

math_tool = Tool(
    name="MultiplyNumbers",
    func=multiply_numbers,
    description="接收两个数字字符串，返回它们的乘积"
)

# 初始化 LLM 和 Agent
llm = OpenAI(temperature=0)  # 使用 OpenAI 的 LLM，temperature=0 保证确定性
agent = initialize_agent([math_tool], llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)

# 让 Agent 解决一个需要计算的任务
result = agent.run("如果我有 123 个苹果，每个苹果切成 456 片，我总共有多少片？")
print(result)

上述代码中，定义了名为 “MultiplyNumbers” 的工具，并用 LangChain 的 initialize_agent 快速创建了一个遵循 ReAct 模式的零样本 Agent。运行 agent.run 时，Agent 会自动决定调用乘法工具完成计算，并将结果插入最终回答。整个执行流程由 LangChain 框架接管，包括解析 LLM 输出、调用工具、结果回填等，开发者只需提供工具和 LLM 即可。

Subagents（子代理）与专家顾问天团

在复杂 AI 编程场景中，单一 Agent 随对话推进易导致上下文膨胀和主线污染。Subagents（子代理）实践将复杂任务拆解为多个专精、上下文隔离的子角色，每个子代理在独立上下文中完成明确子任务，结果再汇总主线。Claude Code 等平台已将其产品化，形成“专家顾问天团 + 工作流编排”模式。

为什么使用 Subagents

采用 Subagents 主要有以下优势：

• 上下文隔离：子代理独立上下文，避免主线被无关信息污染。
• 任务专业化：每个子代理聚焦原子化职责（如依赖升级、代码审查、i18n 校验），提升准确率。
• 可复用与治理：项目级/用户级子代理配置可复用，并可设置工具与权限边界。
• 流程可编排：多个子代理按顺序组合成 workflow，提高可靠性与可验证性。

常见激活方式

Subagents 的激活方式包括：

• 自动委托：平台根据 description 与上下文自动匹配并委派任务，适合常见职责。
• 显式调用：在提示词中直接指定，如 Use the test-runner subagent to fix failing tests 或 @agent- 选择子代理。
• 配置强化：通过项目或用户级配置文件（如 .claude/agents/*.md）指定触发条件和默认行为，提升调用确定性。

设计与实现要点

Subagents 设计需关注以下要点：

1. 原子化粒度：将职责拆分为最小可复用单元，如 i18n-validator、maven-build-specialist、dependency-version-upgrader 等。
2. 明确输入/输出：每个子代理声明所需输入、产出文件路径，便于主线与其他子代理传参。
3. 中间产物显式化：依赖前序结果时，建议将结果写入临时目录（如 /tmp/implementation/），并在描述中注明读写权限与文件名。
4. 强化匹配关键词：在 description 中加入 use PROACTIVELY 或 MUST BE USED 等关键词，提高自动委托命中率。
5. 工具与模型隔离：子代理可配置不同模型或工具集（如限制某些子代理不能执行网络写入），用于安全治理。

子代理配置示例

以下为子代理配置的 Markdown + YAML 前置示例：

---
name: i18n-validator
description: 多语言校验专家，检测 i18n 问题，检测缺失翻译与格式错误。use PROACTIVELY
tools: [Read, Grep, Glob]
model: sonnet
---
你是国际化专家。步骤：1. 扫描代码与资源文件；2. 列出缺失或异常翻译；3. 输出修复建议并写入 /tmp/i18n-report.md

子代理 Workflow 编排

对于复杂但可复用的业务流程（如添加领域模型新字段），可将每一步做成子代理并顺序执行，显著降低人工成本：

1. dependency-version-upgrader（依赖管理）
2. domain-model-field-enhancer（领域模型修改）
3. maven-build-specialist（编译验证）
4. tester（自动化测试与回归）

每个节点输出作为下一个节点输入，最终由主 Agent 或验证 Agent 做合规校验与收尾。

权衡与注意事项

• 延迟：每次启动子代理需重新加载上下文与资源，增加执行延迟。
• 上下文切换成本：为保持隔离，子代理通常不自动继承主线全部上下文，需显式传参或文件传递。
• 可维护性：子代理库需团队沉淀和规范，避免重复与冲突。

热门 AI 代理框架

指南对多个主流框架进行了比较，开发者可根据需求选择：

总体建议：初学者可选择 LangChain（功能全面）或 n8n（可视化无代码）；复杂工作流可用 LangGraph 或 CrewAI；数据密集型应用推荐 LlamaIndex；需要高性能或企业级部署的场景可考虑 Agno Framework。

专项框架与新兴协议

• Hugging Face Agents Course：提供交互式笔记本、最新模型和实际案例，是初学者学习代理开发的优秀资源。
• Agent‑to‑Agent (A2A) 协议：规范代理间通信，包括安全消息交换、任务委派和资源共享，适用于多代理协作及跨平台集成。
• Model Context Protocol (MCP)：主张统一的 AI 集成标准，实现跨平台兼容、安全数据访问和实时同步，减少集成复杂度并加速开发。
• AgentOps：面向生产环境的监控与运营工具，提供实时性能指标、对话跟踪、错误检测、自动化部署、版本控制、A/B 测试和成本优化等功能，支持多租户和合规要求。

这些协议推动了代理生态的标准化、互操作性和运维能力，为企业 adoption 奠定基础。

构建第一个 AI 代理：分步教程

指南以构建一个 客户服务代理 为例，展示完整开发流程。

定义目标与能力

该代理能处理常见客户咨询、查询公司知识库，并在遇到复杂问题时升级到人工客服。核心能力包括自然语言处理、知识库检索和人工升级逻辑。

环境准备

• 系统要求：Python ≥3.8；若提供网页界面则需 Node.js ≥16；Git 用于版本控制；推荐使用 VS Code。

• 依赖：OpenAI API 密钥 (GPT‑4)；向量数据库（如 Pinecone 或 Weaviate）；可选云账号。

• 创建虚拟环境并安装依赖：

  python -m venv ai-agent-env
  source ai-agent-env/bin/activate
  pip install --upgrade pip
  pip install langchain openai python-dotenv
  pip install chromadb streamlit requests
  # 可选：pip install langsmith jupyter pytest
  

配置环境

创建 .env 文件，存放 API 密钥和可选配置：

OPENAI_API_KEY=your_openai_api_key_here
LANGCHAIN_TRACING_V2=true
LANGCHAIN_API_KEY=your_langsmith_key_here
VECTOR_DB_URL=your_vector_db_url_here
AGENT_NAME=CustomerServiceAgent
MAX_ITERATIONS=10
TEMPERATURE=0.1

将 .env 文件加入 .gitignore，避免泄漏密钥。

编写代理核心逻辑

示例代码使用 langchain 创建了一个 CustomerServiceAgent 类，定义了三种工具：查询知识库 (search_knowledge_base)、升级到人工 (escalate_to_human) 和查询订单状态 (check_order_status)。然后使用 create_openai_functions_agent 创建代理执行器，并设置会话记忆窗口、最大迭代次数和提示模板。代码结构清晰，展示了如何将工具函数整合进代理，使其能根据用户输入灵活调用不同功能。

验证环境

编写简单测试脚本验证 OpenAI API 连通性和环境配置，例如调用 gpt-3.5-turbo 发送"Hello, world!“并输出响应。

通过上述步骤，开发者可以快速搭建一个具备记忆、工具调用和人类升级逻辑的客户服务代理，为深入开发奠定基础。

部署与托管

成功开发代理后，需要将其部署到可靠的平台，指南提出 性能、可靠性和可观测性 三大支柱：

• 性能：优化响应时间、并发处理和缓存策略。
• 可靠性：构建容错机制、健康检查、故障转移和备份策略。
• 可观测性：通过日志、追踪、指标和警报了解代理在生产环境中的行为并快速定位问题。

云平台选项

1. AWS – 通过 EC2 托管实例、RDS 存储会话历史、Lambda 部署轻量代理，并利用 CloudWatch 进行监控。指南还提供了一个 docker-compose.yml 示例，可在容器中部署代理、Redis 和 Nginx。
2. Google Cloud Platform (GCP) – 利用 Cloud Run 进行无服务器容器部署，使用 Vertex AI 管理模型，搭配 Cloud Functions 和 Cloud Monitoring 实现事件驱动和可观察性。该平台适合数据密集型工作负载。
3. Microsoft Azure – 为企业环境提供 App Service、OpenAI Service、Container Apps 和 Application Insights，适合与微软生态集成并满足合规要求。
4. 专业平台 – 如 Hugging Face Spaces（适合演示和原型、提供免费额度和模型托管），以及 Vercel/Netlify（用于 Web 代理的边缘部署和自动伸缩）。

开发者应根据工作负载、成本、生态偏好和合规要求选择平台。

安全与合规

AI 代理经常处理敏感数据和调用强大工具，安全是设计时必须考虑的核心。主要措施包括：

• 身份认证与授权：实施多因素身份验证，使用 JWT 等方式验证令牌，并通过 角色访问控制 (RBAC) 区分管理员、开发者、查看者和普通用户。
• 输入验证与防注入：对用户输入进行清理，避免“忽略前面指令”等提示注入；限制输入长度、过滤敏感词汇等。
• 内容过滤与速率限制：阻止恶意代码注入、过滤不当内容并限制请求速率，防止滥用代理工具。
• 合规要求：遵守 GDPR、SOC 2 等通用标准，并针对行业规范（如医疗的 HIPAA、金融的 PCI DSS、政府的 FedRAMP）实施数据加密、访问控制、日志审计和事故响应计划。

指南还强调每个安全问题的缓解措施，例如通过输入消毒、模板约束、防止工具滥用以及实施加密和访问控制等手段。

进阶议题

为了让 AI 代理更高效和智能，本指南提出了一些高级技巧和系统设计：

• 模型选择策略：根据任务复杂度和延迟要求，在不同模型之间动态选择。例如在简单任务中使用速度快的模型，在复杂任务或需要推理时选择更强大的模型。
• 提示优化：包括动态调整提示长度、上下文压缩、优化少样本示例和缓存模板等。
• 分层记忆系统：将工作记忆、情景记忆和语义记忆结合，采用多层检索策略按优先级返回相关上下文。
• 智能缓存：对嵌入向量和相似查询结果进行缓存，预测性预加载并设计缓存失效策略。
• 性能监控与分析：关注 P95/P99 响应延迟、令牌使用效率、任务成功率和内存利用率等指标；通过 A/B 测试比较不同提示、模型或架构版本，优化成本与用户体验。

这些技术可帮助开发者在产品化过程中提升代理性能、降低成本并确保用户满意度。

总结

本文系统梳理了智能体的认知循环架构、核心子系统、执行流程及子代理机制。通过模块化设计、专家协作与闭环反馈，智能体可实现高效自主决策与持续进化。理解并掌握这些原理，是开发强大 AI Agent 系统的基础。

指南在结尾部分强调了几个核心理念：

• 可观测性至关重要：从第一天起就要建立完善的监控体系，以便快速调试和优化。
• 安全设计优先：安全不是事后补救，而应融入系统设计的每个阶段。
• 拥抱迭代开发：代理系统需要在真实使用中不断学习和改进。
• 社区协作：开放源码和社区分享是 AI 代理生态蓬勃发展的动力。

网站还给出了"下一步"建议：动手构建实际项目、加入社区并持续学习。随着 AI 代理市场预计从 2024 年的 51 亿美元 增长到 2030 年的 471 亿美元，开发者正站在这一技术浪潮的前沿。未来机会包括企业自动化、消费者助理、医疗和研究应用、内容创作工具、教育培训系统等领域。AI 代理的发展将赋能企业、提升人类能力并解决复杂问题。

参考文献

• Fundamentals of Building Autonomous LLM Agents - arxiv.org