AI 应用工程入门（九）：Agent 到底是什么？

普通聊天机器人主要回答问题。Agent 则围绕一个目标工作：拆任务、调用工具、观察结果，再决定下一步。它不是一个单独模型，而是一种系统设计方式。

题目 1：Agent 和普通聊天机器人有什么区别？

标准答案：普通聊天是用户问、模型答。Agent 是用户给目标，模型拆步骤，调用工具，观察结果，继续执行，直到完成或停止。

工程要点：Agent 的价值在多步任务，不在单轮问答。简单摘要、分类和知识问答不一定需要 Agent，用普通模型调用、RAG 或 Tool Calling 就够了。

题目 2：Agent 的核心循环是什么？

标准答案：常见循环是 Plan、Act、Observe、Reflect。也就是计划下一步、执行工具、观察结果、调整策略。

工程要点：这个循环要有边界。不能让 Agent 无限执行。系统必须设置最大步骤数、最大成本、失败停止条件和用户确认节点。

一个非常简化的 Agent 循环可以这样理解：

for (let step = 0; step < 6; step++) {
  const plan = await llm.plan({ goal, state, tools });

  if (plan.type === "finish") {
    return plan.answer;
  }

  if (plan.risk === "high") {
    await requireUserConfirmation(plan);
  }

  const observation = await runTool(plan.toolName, plan.arguments);

  state.steps.push({
    thought: plan.reason,
    action: plan.toolName,
    observation,
  });
}

throw new Error("agent_step_limit_exceeded");

这段伪代码里最重要的不是 plan 有多聪明，而是 step 上限、风险确认、工具执行和状态记录。Agent 必须能停下来，也必须能解释自己做过什么。

题目 3：Agent 和 Tool Calling 有什么关系？

标准答案：Tool Calling 是 Agent 的基础能力。Agent 通常会多次调用工具，并根据工具结果决定下一步。

工程要点：先掌握 Tool Calling，再学 Agent 会更顺。Agent 不是让模型随意行动，而是把工具调用放进一个可监管的任务循环。

题目 4：Agent 适合做什么？

标准答案：适合流程明确但步骤较多的任务，比如整理竞品分析、分析代码仓库、处理客服工单、生成报告、查询数据并生成图表。

工程要点：判断是否需要 Agent，可以看三个条件：任务是否多步，下一步是否依赖上一步结果，是否需要多个工具。如果不是，就不要为了概念而上 Agent。

题目 5：Agent 最大的问题是什么？

标准答案：不可控。它可能调错工具、循环停不下来、误解目标、成本失控，或者中间步骤失败后继续乱跑。

工程要点：Agent 工程最重要的不是聪明，而是可控性。系统要能回答：它正在做什么，为什么调用这个工具，已经做了哪些步骤，什么时候停止，失败后怎么处理。

完整示例：Agent 是受控循环，不是放飞模型

Agent 的关键不是“更聪明”，而是多步任务循环。它围绕目标计划下一步，调用工具，观察结果，再决定下一步。课程里要特别强调：Agent 必须有状态、上限、日志、权限和停止条件，否则就是不可控的自动化。

Goal：生成一份竞品分析报告
Plan：列出需要查询的竞品和维度
Act：调用搜索、网页读取、表格工具
Observe：记录工具返回结果
Reflect：判断资料是否够用，不够继续查
Finish：生成报告并列出来源

代码上可以先把 Agent 当成状态机：

type AgentStep = {
  thought: string;
  action?: string;
  observation?: string;
};

type AgentState = {
  goal: string;
  steps: AgentStep[];
  cost: number;
};

async function runAgent(goal: string) {
  const state: AgentState = { goal, steps: [], cost: 0 };

  for (let i = 0; i < 8; i++) {
    const decision = await planNextStep(state);
    if (decision.type === "finish") return decision.answer;

    if (decision.risk === "high") await requireConfirmation(decision);

    const observation = await runTool(decision.tool, decision.args);
    state.steps.push({
      thought: decision.reason,
      action: decision.tool,
      observation,
    });
  }

  throw new Error("agent_step_limit_exceeded");
}

判断要不要用 Agent，可以看三个条件：任务是否多步，下一步是否依赖上一步结果，是否需要多个工具。如果只是总结一段文字，用普通模型调用；如果只是查资料，用 RAG；如果只是查订单，用 Tool Calling；只有多步目标才需要 Agent。

Agent 最大的工程风险是循环失控、成本失控和权限失控。所以必须记录每一步为什么做、调用了什么、花了多少、失败后怎么停。没有这些控制，就不要上线 Agent。

这一篇最该带走的结论是：Agent 等于 LLM、Tools、Memory、Planning 和 Control Loop 的组合。它的价值来自多步协作，也必须被状态、权限和日志约束。