目录
[一、什么是 Agent](#一、什么是 Agent)
[二、LLM 与 Agent 的区别](#二、LLM 与 Agent 的区别)
[三、Agent 的核心组成](#三、Agent 的核心组成)
[四、Agent 工作流程](#四、Agent 工作流程)
[五、为什么需要 Agent](#五、为什么需要 Agent)
[六、Agent 的四大能力](#六、Agent 的四大能力)
[七、ReAct Agent](#七、ReAct Agent)
[八、Tool Calling Agent](#八、Tool Calling Agent)
[九、RAG Agent](#九、RAG Agent)
[十、Code Agent](#十、Code Agent)
[十一、Workflow Agent](#十一、Workflow Agent)
[十二、Autonomous Agent](#十二、Autonomous Agent)
[十三、Single Agent（单智能体）](#十三、Single Agent（单智能体）)
[十五、企业项目如何选择 Agent](#十五、企业项目如何选择 Agent)
[十六、LangChain Agent 架构](#十六、LangChain Agent 架构)
[十七、LangGraph Agent 架构](#十七、LangGraph Agent 架构)
[十八、Agent 与传统程序区别](#十八、Agent 与传统程序区别)
[什么是 Agent？](#什么是 Agent？)
[Agent 与 LLM 的区别？](#Agent 与 LLM 的区别？)
[ReAct 是什么？](#ReAct 是什么？)
[RAG Agent 适用于什么场景？](#RAG Agent 适用于什么场景？)
[单 Agent 与多 Agent 区别？](#单 Agent 与多 Agent 区别？)
随着 ChatGPT、Claude、DeepSeek 等大模型的发展，一个新的概念越来越频繁地出现在 AI 技术领域：
Agent中文通常翻译为：
智能体很多初学者第一次接触 Agent 时都会产生疑问：
Agent 和 LLM 有什么区别？
为什么需要 Agent？
Agent 是不是就是大模型？
Agent 能做什么？
多 Agent 又是什么？事实上：
LLM ≠ AgentLLM 只是 Agent 的"大脑"。
而 Agent 则是：
会思考
会规划
会调用工具
会执行任务
会反馈结果的完整智能系统。
本文将带你全面掌握：
Agent 的基本概念
Agent 的核心组成
Agent 的工作原理
不同 Agent 的分类
单智能体与多智能体
企业级应用场景一、什么是 Agent
Agent（智能体）的定义：
能够感知环境
进行决策
执行动作
完成目标
的智能系统现实中的例子：
人类就是一个天然 Agent。
因为人类能够：
观察世界
分析问题
制定计划
采取行动
获得反馈例如：
目标：
订一张机票人类会：
查询航班
比较价格
选择时间
支付订单最终完成目标。
Agent 也是类似过程。
二、LLM 与 Agent 的区别
很多人误以为：
ChatGPT 就是 Agent实际上：
ChatGPT 更像是 LLM区别：
| 能力 | LLM | Agent |
|---|---|---|
| 对话 | √ | √ |
| 推理 | √ | √ |
| 调用工具 | × | √ |
| 制定计划 | × | √ |
| 执行任务 | × | √ |
| 自主决策 | × | √ |
可以理解为：
LLM
负责思考
Agent
负责做事三、Agent 的核心组成
一个完整 Agent 通常包含：
LLM
Memory
Tools
Planner
Executor架构：
四、Agent 工作流程
以查询天气为例：
用户：
北京今天天气怎么样？Agent 执行：
识别意图
↓
发现需要天气数据
↓
调用天气API
↓
获取结果
↓
生成回答流程图：
五、为什么需要 Agent
普通 LLM：
只能聊天例如：
帮我查今天上海天气LLM：
我无法访问实时天气Agent：
调用天气工具
获取实时数据
返回结果因此：
Agent
=
LLM
+
工具能力六、Agent 的四大能力
1、感知能力
接收：
文本
图片
音频
视频信息。
2、推理能力
分析：
用户意图
任务目标
执行步骤3、行动能力
调用：
API
数据库
搜索引擎
代码解释器4、学习能力
利用：
Memory
知识库
历史记录持续优化。
七、ReAct Agent
目前最经典的 Agent 模式：
ReAct全称：
Reason + Act即：
推理
+
行动流程：
示例：
问题：
今天北京天气？Agent：
Thought：
需要查询天气
Action：
调用天气API
Observation：
获取天气数据
Answer：
返回结果八、Tool Calling Agent
Tool Calling 是当前最主流模式。
Agent 可以调用：
搜索引擎
数据库
计算器
代码执行器
企业API架构：
适用场景：
企业办公系统
客服机器人
数据查询平台九、RAG Agent
RAG Agent：
Agent
+
知识库架构：
适用：
企业知识库
智能客服
内部问答系统十、Code Agent
Code Agent：
能够执行代码例如：
计算Excel数据
生成图表
分析CSV文件
自动编程流程：
适用：
数据分析
自动化办公
代码生成十一、Workflow Agent
Workflow Agent：
固定流程执行例如：
审批流程
报销流程
工单系统特点：
可控
稳定
易维护适合：
企业业务系统十二、Autonomous Agent
Autonomous Agent：
自主智能体能够：
自主规划
自主执行
自主迭代典型代表：
AutoGPT
BabyAGI流程：
优点：
自动化程度高缺点：
成本高
不可控十三、Single Agent（单智能体）
单 Agent 架构：
特点：
简单
开发快
成本低适用：
客服系统
问答机器人
知识库助手十四、Multi-Agent（多智能体）
多个 Agent 协同工作。
例如：
产品经理Agent
开发Agent
测试Agent
运维Agent架构：
优点：
专业分工
复杂任务处理能力强缺点：
架构复杂
成本较高十五、企业项目如何选择 Agent
小型项目：
单Agent即可。
知识库项目：
RAG Agent最适合。
数据分析：
Code Agent效果最好。
复杂协同任务：
Multi-Agent更合理。
十六、LangChain Agent 架构
LangChain 提供：
Agent
Tool
Memory
Retriever能力。
架构：
十七、LangGraph Agent 架构
LangGraph 适合：
复杂Agent流程特点：
状态管理
流程控制
多Agent协作架构：
适合：
企业级Agent系统十八、Agent 与传统程序区别
传统程序：
固定逻辑例如：
if(a>b){
return a;
}Agent：
动态决策例如：
先搜索
再分析
再生成答案因此：
传统程序
关注流程
Agent
关注目标十九、面试高频问题
什么是 Agent？
能够自主完成任务的智能系统Agent 与 LLM 的区别？
LLM负责思考
Agent负责执行ReAct 是什么？
Reason + Act
推理加行动RAG Agent 适用于什么场景？
知识库问答
企业客服单 Agent 与多 Agent 区别？
单Agent简单
多Agent协作能力更强二十、总结
Agent 是当前 AI 应用落地的核心方向之一。
其本质可以理解为：
Agent
=
LLM
+
Memory
+
Tools
+
Planning
+
Execution整个工作流程：
用户目标
↓
Agent分析
↓
任务规划
↓
工具调用
↓
结果反馈
↓
最终回答可以这样理解：
LLM
像人的大脑
Memory
像人的记忆
Tools
像人的双手
Agent
像完整的人因此：
LLM 决定智能上限，Agent 决定实际生产力。
掌握 Agent 后，你就真正进入了 AI 应用开发的核心阶段，为后续学习 ReAct Agent、Tool Calling、LangGraph、Multi-Agent、AutoGen、CrewAI 等高级 Agent 框架打下坚实基础。