Agent 智能体是能够围绕目标进行理解、规划、调用工具、观察结果并持续推进任务的 AI 系统。它不只是回答问题，而是能在一定边界内执行任务。

1. Agent 和普通对话的区别

对比项	普通对话	Agent
目标	回答用户问题	完成多步骤任务
能力	生成文本	规划、调用工具、更新状态
上下文	主要是对话内容	对话、工具结果、记忆、环境状态
风险	答错	答错并可能执行错
治理重点	输出质量	权限、步骤、审计、回滚

2. Agent 基本循环

目标
  -> 思考下一步
  -> 选择工具
  -> 执行工具
  -> 观察结果
  -> 更新计划
  -> 完成或继续

这个循环也常被称为“感知、决策、行动、反馈”的闭环。

3. Agent 的组成

组件	作用
大模型	理解任务、生成计划、选择工具
工具	搜索、数据库、代码、业务接口等外部能力
记忆	保存短期上下文或长期偏好
规划器	拆解任务和安排步骤
执行器	调用工具并处理结果
安全策略	控制权限、风险和审计

4. 适合 Agent 的任务

Agent 适合动态、多步骤、需要根据中间结果调整路径的任务。

示例：

• 阅读多个文档并生成总结。
• 修改代码、运行测试、根据错误继续修复。
• 根据用户目标查询多个系统并生成报告。
• 自动整理会议纪要并生成待办。

5. 不适合 Agent 的任务

场景	更适合
简单 FAQ	普通问答或 RAG
固定审批流程	工作流引擎
金额支付	强规则系统 + 人审
高确定性计算	程序或计算工具

Agent 不是越自由越好。越接近生产动作，越需要确定性流程和权限控制。

6. 常见风险

1. 任务拆解错误。
2. 调错工具。
3. 参数生成错误。
4. 无限循环或过度执行。
5. 泄露上下文或越权访问。
6. 把工具返回误解为事实。

7. Tips 快问快答

Q：Agent 必须有长期记忆吗？

A：不必须。很多任务只需要当前会话状态。长期记忆会带来隐私、过期和污染风险。

Q：Agent 能完全自动执行生产任务吗？

A：高风险任务不建议完全自动。应加入权限控制、二次确认、审计和回滚机制。

Q：Agent 和 RAG 是什么关系？

A：RAG 负责检索知识，Agent 可以把 RAG 当作一个工具，在任务执行过程中调用。