Agent演进路径

bogege
11 阅读8分钟

课程开篇：你好，未来的AI Agent架构师！

同学们好！欢迎来到《AI Agent核心架构与演进》课程。

在开始之前，我们先建立一个核心心智模型。请把大语言模型（LLM）想象成一个极其聪明、但没有手脚、也没有特定工作经验的实习生。他知识渊博（通晓互联网），但如果你直接跟他说“帮我搞定那个项目”，他会一脸茫然。

我们的课程，就是学习如何一步步**“带教”**这位天才实习生，让他从一个只能聊天的“书呆子”，成长为能独当一面的超级助理。这个“带教”过程，分为三大阶段：

三大脉络.png

  1. 向外长手（给他工具）：让他能接触和操作外部世界。
  2. 向内调脑（教他方法）：让他能更清晰地思考和沟通。
  3. 自主运转（给他目标）：让他能独立规划并完成复杂任务。

现在，让我们正式开始第一阶段的学习。

阶段一：向外长手，连接世界 (Giving the Apprentice Tools)

工具使用.png

课程目标

理解LLM Agent如何突破文本限制，与真实世界的数据和系统进行交互。

1. Function Calling / Tool Usage (为实习生配备“电话”和“计算器”)

核心思想

授权并指导LLM在需要时，调用我们预先定义好的外部工具（代码函数/API），以获取实时信息或执行确定性任务。

为什么需要它？

我们的实习生（LLM）有两大天生缺陷：

  1. 信息过时：他的知识停留在训练结束的那一刻，不知道今天的天气。
  2. 计算不可靠：他做数学题靠的是“感觉”（概率），而不是真的会算。234 * 567 的结果他很可能会“编”错。

Tool Usage就是解决这些问题的完美方案。

它是如何工作的？

这是一个严谨的“指令-执行-反馈”闭环：

  1. 人类指令 (User): “北京今天天气怎么样，适合穿短袖吗？”
  2. LLM思考与决策: LLM分析指令，发现自己不知道实时天气，但它记得自己有个“工具”叫 getWeather(city)。于是，它不直接回答，而是生成一个结构化的JSON指令：{"tool_name": "getWeather", "arguments": {"city": "北京"}}。
  3. 你的代码 (Java): 你的程序作为“中介”，捕获这个JSON。
    • 解析tool_name，找到对应的WeatherTool.getWeather("北京")方法。
    • 执行该Java方法，得到真实的返回结果，例如："{\"temperature\": 28, \"condition\": \"晴\"}"。
  4. 结果反馈给LLM: 你的程序将这个真实的天气结果，连同原始问题，再次发送给LLM，并提问：“这是你刚才要的数据，现在请回答用户最初的问题。”
  5. LLM总结回答: LLM看到真实数据后，充满自信地回答：“北京今天28度，天气晴朗，非常适合穿短袖。”

市场案例分析

案例: OpenAI GPTs的Actions功能 分析: 这就是Function Calling最完美的商业化落地。用户通过图形界面上传一个OpenAPI规范文件，就相当于为GPT“注册”了一堆Java方法。GPT在对话中决定调用哪个API（哪个方法），并生成精确的JSON，OpenAI的后台负责执行这个调用并将结果返回，整个流程与我们上面的代码逻辑完全一致。

阶段二：向内调脑，优化沟通 (Teaching the Apprentice to Think)

向内调脑 优化沟通.png

课程目标

学习如何通过优化与LLM的沟通方式（Prompt），来提升其思考质量、输出格式的稳定性和任务拆解能力。

1. Prompt Engineering (教实习生“如何写报告”和“如何思考”)

核心思想

Prompt不是简单地提问，而是通过角色扮演、提供范例、指令约束、要求思考过程等技巧，精确地引导LLM的“思维”走向我们期望的方向。

为什么需要它？

直接问实习生：“分析一下市场”，他可能给你一段空泛的废话。但如果你说：“请扮演一位资深市场分析师，按照PEST模型，从政治、经济、社会、技术四个方面分析市场，并以Markdown列表格式输出”，他给出的答案质量将天差地ye。

它是如何工作的？

核心逻辑在于在你的输入中提供足够丰富的“上下文”和“约束”。

  • Zero-Shot (零样本): 直接下指令。"总结一下这段文字"。
  • Few-Shot (少样本): 给他看几个例子。"将句子转为反义疑问句。例如：'他很快' -> '他很快，不是吗？'。现在转换：'天气很好' -> ?"
  • Chain of Thought (CoT, 思想链): 要求他“想一步，说一步”。这是最强大的技巧之一！"计算一个半径为5的圆的面积，请一步步思考并写下你的步骤，最后给出答案。"

2. Skill / Flow (将思考过程标准化为“SOP”)

核心思想

  • Skill (技能): 将一个优秀的、可复用的Prompt模板，封装成一个独立的函数/模块。
  • Flow (工作流): 将多个Skill和Tool像流水线一样串联起来，解决一个更复杂的复合型任务。

为什么需要它？

你不会每次都手把手教实习生如何写周报。你会给他一个“周报模板”（Skill），并告诉他完成周报需要“先找产品经理要数据（Tool），再用周报模板（Skill），最后发邮件（Tool）”这样一个流程（Flow）。这实现了能力的复用和任务的自动化编排。

市场案例分析

案例: LangChain框架 分析: LangChain的核心就是Flow（在LangChain中称为Chain）。它将LLM、PromptTemplate（我们的Skill）、Tool等组件，像链条一样串联起来。开发者不再需要手动管理每一步的输入输出，而是定义一个执行链，由框架自动完成数据的传递和执行，极大地提高了开发效率。

阶段三：自主运转，循环驱动 (Giving the Apprentice a Goal)

ReAct.png

课程目标

让Agent拥有自主思考、规划、执行、反思的能力，能够仅凭一个高层目标，独立完成整个任务。

1. ReAct (Reason + Act) (教实习生“边想边做，边看边调”)

核心思想

打破“一次性问答”模式，让LLM进入一个**“思考 -> 行动 -> 观察”**的循环。每一步LLM都会先“自言自语”地分析情况（Reason），然后决定下一步干什么（Act）。

它是如何工作的？

想象实习生解决一个未知问题：“查一下苹果公司CEO的母校是哪所大学？”

  1. 初始目标: 找到苹果CEO的母校。
  2. 循环 1:
    • Reason (思考): “我首先需要知道苹果的CEO是谁。”
    • Act (行动): 调用工具 search("Apple CEO")。
    • Observation (观察): 工具返回 “Tim Cook”。
  3. 循环 2:
    • Reason (思考): “好的，CEO是Tim Cook。现在我需要查他的母校。”
    • Act (行动): 调用工具 search("Tim Cook education")。
    • Observation (观察): 工具返回 “Auburn University”。
  4. 循环 3:
    • Reason (思考): “我已经找到了最终答案，任务完成。”
    • Act (行动): finish("苹果公司CEO的母校是奥本大学。")。

2. Plan-and-Execute (教实习生“先做计划，再分步执行”)

Plan-and-excute.png

核心思想

对于长任务，先让LLM生成一个宏观的步骤计划（Plan），然后逐一执行（Execute）每个步骤。这是一种**“战略先行”**的模式。

区别于ReAct

  • ReAct是反应式的，像在丛林里探路，走一步看一步，适合探索性任务。
  • Plan-and-Execute是规划式的，像在城市里按地图导航，适合目标明确的复杂任务。

3. Reflexion (教实习生“复盘与反思”)

REflexion.png

核心思想

在Agent执行失败后，增加一个“反思”环节。让LLM分析失败的原因，并形成一条“经验教训”。这条“教训”将在下一次尝试时，作为重要参考信息加入到Prompt中，从而避免重复犯错。

它是如何工作的？

  1. 首次尝试: Agent尝试写一段代码，但测试运行失败。
  2. 反思(Reflect): 启动一个特殊的ReflexionAgent。它的Prompt是：“你上次尝试写代码失败了，这是你的代码和错误日志。请分析一下失败的根本原因，并给出一个不超过50字的改进建议。” LLM可能会输出：“失败原因是空指针异常，下次必须在使用对象前进行非空检查。”
  3. 记忆(Memory): 将这条“经验教训”存入一个短期记忆库。
  4. 再次尝试: 再次执行任务，但这次的Prompt中加入了额外信息：“请注意以下过往经验：'失败原因是空指针异常，下次必须在使用对象前进行非空检查'。”

市场案例分析

案例: Devin (by Cognition Labs) 分析: Devin的惊人表现很大程度上归功于其先进的自主循环系统，它深度融合了Plan-and-Execute和Reflexion。它不仅能制定详细的开发计划，更关键的是，当它编写的代码遇到编译错误或测试失败时，它能像人类程序员一样停下来，阅读错误日志，自我反思问题出在哪里（“哦，我忘了安装这个依赖”或“这个API用法不对”），然后基于这个反思去修正自己的下一步行动。这使其具备了强大的、自主的软件工程能力。

驱动模式.png

课程总结

今天，我们系统地学习了如何将一个“天才实习生”（LLM）培养成一个强大的AI Agent。

  • 我们通过**Tool Usage给了他手脚**，让他能与世界互动。
  • 我们通过**Prompt Engineering和Flow教会了他方法论**，让他沟通和思考更高效。
  • 我们通过**ReAct、Plan-and-Execute和Reflexion赋予了他自主意识**，让他能独立地规划、执行和修正，最终完成复杂目标。

这三条路径相辅相成，共同构成了现代AI Agent的架构核心。希望同学们能以今天的课程为基石，动手实践，打造出属于你们自己的、强大的AI Agent！下课！

avatar
文章
阅读
粉丝