一文了解 Agent 智能体：从 ReAct 到 Plan-and-Solve，打造会思考、能行动的 AI 助手

---

🎯 为什么我们需要 Agent？

大语言模型（LLM）如 Qwen、GPT-4、Claude 能写诗、编程、聊天 —— 但它们本质上还是“问答机器”。

❗ 它们不会主动思考、不会拆解复杂任务、不会调用工具、不会反思错误。

而现实世界的问题往往是：

• “帮我规划一次从北京到拉萨的7天自驾游，包含每天路线、住宿、预算。”
• “监控公司服务器日志，发现异常自动发邮件告警。”
• “根据用户需求，自动写代码、跑测试、部署上线。”

✅ Agent（智能体） = LLM + 记忆 + 规划 + 工具 + 反思
它让大模型从“被动应答”升级为“主动执行”，成为真正的“AI 员工”。

---

一、什么是 Agent？核心组件图解

一个标准 Agent 包含四大模块：

┌──────────────┐
│   大模型大脑     │ ← 决策、推理、生成（如 Qwen、GPT-4）
└──────┬───────┘
       │
┌──────▼───────┐
│   记忆系统      │ ← 存储历史对话、中间结果、用户偏好
└──────┬───────┘
       │
┌──────▼───────┐
│   规划与反思     │ ← 拆解任务、制定步骤、评估结果、自我修正
└──────┬───────┘
       │
┌──────▼───────┐
│   工具调用系统    │ ← 调用计算器、搜索引擎、API、代码解释器等
└──────────────┘

🌟 Agent 的本质：用 LLM 驱动一个“操作系统”，让它像人一样“思考→行动→观察→调整”。

---

二、Agent 三大主流范式

---

1️⃣ ReAct（Reason + Act）—— “边想边做”范式

📌 2022 年由 Princeton & Google 提出，最经典、最实用的 Agent 框架。

🔍 核心思想：

让模型在每一步交替输出：

• Thought（思考：下一步该做什么？）
• Action（行动：调用哪个工具？参数是什么？）
• Observation（观察：工具返回了什么结果？）

🧩 示例：

用户：上海明天的最高气温乘以 3 是多少？

Thought: 我需要先查上海明天的天气，再做乘法。
Action: {"name": "get_weather", "args": {"city": "上海", "date": "明天"}}
Observation: {"temperature_max": "28°C"}

Thought: 现在计算 28 * 3。
Action: {"name": "calculator", "args": {"expression": "28 * 3"}}
Observation: 84

Thought: 我已得到答案。
Final Answer: 上海明天的最高气温乘以 3 是 84°C。

✅ 优势：

• 简单、直观、易实现
• 支持复杂多步推理
• 社区支持好（LangChain、LlamaIndex 默认支持）

🛠️ 实现工具：

• LangChain Agent（ReAct 模板）
• AutoGen（微软）
• Dify / Coze（低代码平台）

---

2️⃣ Plan-and-Solve（计划与执行）—— “先想后做”范式

📌 2023 年提出，先让模型制定完整计划，再逐步执行。

🔍 核心思想：

1. Plan：模型一次性输出完整步骤（如：1. 查天气 → 2. 计算 → 3. 输出）
2. Solve：按计划逐步执行，每步可调用工具

🧩 示例：

用户：帮我订一张下周从北京到上海的最便宜机票。

Plan:
1. 查询下周北京→上海的航班列表
2. 找出价格最低的航班
3. 模拟订票（因无真实支付，仅返回信息）

Solve Step 1:
Action: flight_search({"from": "北京", "to": "上海", "date": "next_week"})
Observation: [航班A: ￥800, 航班B: ￥1200, 航班C: ￥650]

Solve Step 2:
Thought: 最便宜是航班C（￥650）
Observation: selected_flight = "航班C"

Solve Step 3:
Action: mock_booking({"flight": "航班C"})
Observation: 订票成功，订单号：XYZ123

Final Answer: 已为您找到最便宜航班：航班C，￥650，订单号 XYZ123。

✅ 优势：

• 适合结构化、流程化任务
• 减少“走一步看一步”的冗余思考
• 用户可预览计划，体验更好

⚠️ 挑战：

• 计划可能不完整或错误，需支持动态调整

---

3️⃣ Tool Use（工具调用）—— Agent 的“手脚”

没有工具的 Agent，就像没有手脚的人 —— 想得再好也做不成事。

🔧 常见工具类型：

工具类型	示例	用途
搜索引擎	Google Search API、SerpAPI	获取实时信息
计算器	Python eval、Wolfram Alpha	数学计算
代码解释器	Python REPL、Jupyter Kernel	执行代码、画图、数据分析
数据库	SQL 查询、向量检索	查询结构化/非结构化数据
API 调用	天气 API、订票 API、企业内部系统	连接真实世界服务
文件操作	读写本地文件、PDF 解析	处理文档、数据

🧠 工具调用关键点：

• 工具描述清晰：模型需理解工具功能、参数、返回值
• 参数格式严格：推荐 JSON Schema，避免模型胡乱传参
• 错误处理：工具失败时，模型需能重试或换方案

✅ 推荐工具描述格式（OpenAI Function Calling 风格）：

{
  "name": "get_weather",
  "description": "获取指定城市和日期的天气信息",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {"type": "string", "description": "城市名"},
      "date": {"type": "string", "description": "日期，格式：YYYY-MM-DD"}
    },
    "required": ["city"]
  }
}

---

三、高级 Agent 技术

---

🌟 1. Memory（记忆）—— 让 Agent 有“上下文感知”

无记忆的 Agent，每次对话都是“失忆症患者”。

类型：

• 短期记忆：当前对话历史（Chat History）
• 长期记忆：用户偏好、历史任务、知识库（向量数据库）
• 反思记忆：记录失败经验，避免重复犯错

工具：

• LangChain Memory（Buffer、Summary、VectorStore）
• 自定义记忆模块（如用 Chroma 存储历史）

---

🌟 2. Self-Reflection（自我反思）—— 让 Agent “从错误中学习”

2023 年 Stanford 提出，让模型评估自己上一步是否正确，决定是否调整策略。

示例：

Action: calculator("28 * 3")
Observation: 840  ← 错误！应为 84

Reflection: 我刚才计算错误，28*3 应该是 84，不是 840。我将重新计算。
Action: calculator("28 * 3")
Observation: 84

✅ 优势：

• 显著提升复杂任务成功率
• 减少人工干预

---

🌟 3. Multi-Agent（多智能体协作）—— “团队作战”

一个 Agent 能力有限，多个 Agent 协作可解决更复杂问题。

典型架构：

• Manager Agent：接收用户请求，拆解任务，分配给 Worker
• Worker Agent：各司其职（Researcher、Coder、Reviewer、Planner）
• Critic Agent：评估结果质量，提出修改意见

📌 微软 AutoGen、Meta CICERO 均采用多 Agent 架构。

---

四、Agent 开发框架推荐（2025）

框架	优势	适用场景	学习曲线
LangChain	生态最全、文档丰富、支持 ReAct/Plan	快速原型、研究	⭐⭐
LlamaIndex	专注 RAG + Agent，检索增强强	知识库问答型 Agent	⭐⭐
AutoGen（微软）	多 Agent 协作、对话能力强	复杂任务、团队模拟	⭐⭐⭐
Dify / Coze	低代码、可视化编排、内置工具	产品经理、非程序员	⭐
Semantic Kernel（微软）	企业级、支持 .NET/Python	企业内部系统集成	⭐⭐⭐

✅ 新手推荐：LangChain + ReAct，社区资源多，上手快。

---

五、实战案例：10 分钟构建一个旅行规划 Agent

from langchain.agents import AgentExecutor, create_react_agent
from langchain_community.tools import DuckDuckGoSearchRun, WikipediaQueryRun
from langchain_community.utilities import WikipediaAPIWrapper
from langchain_openai import ChatOpenAI  # 或替换为 Qwen

# 1. 定义工具
search = DuckDuckGoSearchRun()
wiki = WikipediaQueryRun(api_wrapper=WikipediaAPIWrapper())

tools = [search, wiki]

# 2. 初始化 LLM（可用 Qwen、GPT-4）
llm = ChatOpenAI(model="gpt-4-turbo")

# 3. 创建 ReAct Agent
agent = create_react_agent(llm, tools, prompt=...)

# 4. 执行
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
result = agent_executor.invoke({
    "input": "帮我规划一个东京3日游，包含景点、美食、交通建议。"
})
print(result["output"])

🚀 输出示例： “第一天：上午浅草寺 → 中午吃寿司 → 下午上野公园... [附参考链接]”

---

六、Agent 评估指标

不能只看“回答是否流畅”，要看“任务是否完成”。

指标	说明	评估方式
任务完成率	能否完整解决用户请求	人工评估 / 自动化测试
工具调用准确率	工具选择和参数是否正确	日志分析
步骤合理性	计划/思考是否逻辑清晰	LLM-as-a-Judge
幻觉率	是否编造工具返回结果	对比真实 API 返回
效率	完成任务所需步数/时间	系统监控

✅ 推荐构建“Agent 测试集”：50~100 个复杂任务，用于迭代优化。

---

七、前沿趋势（2025-2026）

1. Agent OS（智能体操作系统）：微软、Google 正在构建 Agent 专用运行时（如 Microsoft Copilot Studio）。
2. 自主学习 Agent：Agent 能自动发现新工具、学习新技能（如 GitHub Copilot X）。
3. 具身智能（Embodied Agent）：Agent 控制机器人、自动驾驶汽车（NVIDIA、Tesla 在探索）。
4. Agent 即服务（Agent-as-a-Service）：云平台提供“Agent 容器”，一键部署（如 Dify Cloud）。
5. 法律与伦理框架：各国将出台 Agent 行为规范（如“不得未经授权调用 API”）。

---

✅ 总结：Agent 技术全景图

用户请求
    │
    ▼
[规划：ReAct / Plan-and-Solve]
    │
    ▼
[思考 → 调用工具 → 观察结果]
    │
    ▼
[记忆存储 + 自我反思]
    │
    ▼
[多 Agent 协作（可选）]
    │
    ▼
输出 → 完整、准确、可执行的解决方案

🎓 Agent = LLM 的“操作系统”
它不是取代人类，而是成为人类的“超级助手”。