Agent 智能体是以大模型为核心，结合工具、记忆、规划和执行反馈，完成多步骤任务的系统形态。与普通对话不同，Agent 不只是回答问题，还可能调用搜索、数据库、代码执行、业务接口等工具来推进任务。

1. Agent 基本结构

用户目标
  -> 任务理解
  -> 计划拆解
  -> 工具选择
  -> 工具调用
  -> 结果观察
  -> 状态更新
  -> 继续执行或输出结果

2. 可以展开的知识点

方向	重点问题	后续文章建议
Agent 基础	Agent 和普通聊天有什么区别	Agent 是什么
工具调用	模型如何调用外部能力	Function Calling 与工具调用
规划能力	模型如何拆解复杂任务	Planning 任务规划
记忆机制	多轮任务如何保存状态	Memory 记忆机制
反思与评估	执行结果如何自检和修正	Reflection 与自我评估
多智能体	多个 Agent 如何协作	Multi-Agent 多智能体
工程边界	Agent 为什么容易失控	Agent 可靠性与权限边界

本章节目录

• Agent是什么
• Function Calling与工具调用
• Planning任务规划
• Memory记忆机制
• Reflection与自我评估
• Multi-Agent多智能体
• Agent可靠性与权限边界

3. Agent 适合与不适合的场景

场景	是否适合	原因
多步骤资料整理	适合	需要搜索、阅读、归纳和生成
代码生成与修改	适合	需要读文件、改代码、运行测试和迭代
固定审批流程	不一定适合	规则确定时传统工作流更稳定
高风险资金操作	谨慎	需要强权限、人审和审计
简单 FAQ 问答	不必使用	普通问答或 RAG 通常足够

4. Agent 工程设计原则

1. 工具权限最小化，只开放完成任务必要的能力。
2. 每次工具调用都要有输入校验、超时、异常处理和审计记录。
3. 高风险动作必须有人审或二次确认。
4. 复杂任务要限制最大步骤数，避免无限循环。
5. 对 Agent 输出进行评估，不把模型判断直接等同于业务事实。

5. Tips 快问快答

Q：Agent 和工作流有什么区别？

A：工作流通常路径固定，适合确定性流程；Agent 路径更动态，适合需要根据中间结果不断调整策略的任务。

Q：Agent 是否一定需要长期记忆？

A：不一定。很多任务只需要短期上下文。长期记忆会带来隐私、污染、过期和权限问题，需要谨慎设计。

Q：Agent 为什么容易失控？

A：因为它可能同时具备生成、决策和工具调用能力。如果缺少权限边界、步骤限制和结果校验，就容易调用错误工具或执行错误动作。