第 1 章 AI Agent 是什么

本章要解决的问题

大家都在说 Agent，但它和「带提示词的 API 调用」到底差在哪？为什么有的产品是 Agent、有的只是套壳？

章节大纲

1.1 从聊天机器人到智能体：能力跃迁
1.2 Agent 的本质定义：LLM + 工具 + 循环
1.3 5 层骨架全景：LLM → API → Context → Tool Calling → Agent Loop
1.4 6 大概念关系：LLM / Agent / RAG / Skill / MCP / Harness
1.5 何时不该用 Agent：边界、成本与风险
🛠 解决方案：Agent vs 传统程序 vs 提示工程的选型决策树

1.1 从聊天机器人到智能体：能力跃迁

1.1.1 四个阶段：Agent 不是突然出现的

先看一张演进图，理解 Agent 在 AI 应用版图中的位置：

图 1：AI 应用四阶段演进

arduino 复制代码

阶段1：规则机器人（2010s）
  写死的 if-else 应答 → 只能处理"能枚举的"问题
  代表：早期客服机器人

阶段2：对话式 AI（2020-2023）
  大模型直接问答 → 能"聊"，但不能"做"
  代表：ChatGPT 网页版

阶段3：RAG 增强问答（2023-2024）
  挂上知识库检索 → 能"知道更多"，但仍不能"做事"
  代表：企业知识库问答

阶段4：Agent（2024-至今）
  接入工具 + 自主循环 → 能"想、做、看、再想"
  代表：能查订单、写代码、操作系统的智能体

四个阶段的本质区别：从"会聊"到"会做"。 阶段 4 之前，模型的能力边界是"输出文字"；进入 Agent 阶段，模型的输出可以触发真实世界的动作（查数据、发消息、执行代码、操作工具）。

1.1.2 "套壳"与真 Agent 的分界线

市面上的 AI 产品都自称 Agent，怎么识别真假？看三个硬指标：

指标	假 Agent（套壳）	真 Agent
是否调用工具	从不，只靠模型记忆回答	会主动调用工具（查库/查单/执行）
是否有循环	一次问答即结束	有多轮"思考→行动→观察"循环
是否影响现实	只输出文字建议	能完成真实动作（下单/发信/写文件）

一个简单测试：问它"帮我查一下订单 A123 的物流状态"------如果它直接编一个状态回答你，是套壳；如果它先调用查询工具、拿到真实结果再回答，才是 Agent。工具调用 + 自主循环，是 Agent 的两块试金石。

1.2 Agent 的本质定义：LLM + 工具 + 循环

1.2.1 一句话定义

AI Agent = 大语言模型（LLM）+ 工具（Tools）+ 自主循环（Loop）

三个要素缺一不可：

LLM：负责理解、推理、决策（大脑）
工具：负责执行、检索、操作外部世界（手脚）
循环：负责"思考→行动→观察→再思考"的迭代推进（神经系统）

1.2.2 一个最小 Agent 的样子

python 复制代码

def minimal_agent(query, tools, max_rounds=5):
    messages = [{"role": "user", "content": query}]
    for _ in range(max_rounds):
        # 思考：让模型决定下一步（直接回答 or 调用工具）
        resp = llm.chat(messages, tools=tools)   # 模型可能返回 tool_calls
        if resp.has_tool_calls:
            # 行动：执行工具
            result = execute_tool(resp.tool_calls)
            # 观察：把结果放回上下文
            messages.append(tool_result(result))
            continue                              # 再思考
        return resp.text                           # 无工具调用 → 回答用户
    return "已达最大轮数"

这段代码只有 10 行，但它具备 Agent 的全部要素：LLM 决策（思考）→ 工具执行（行动）→ 结果回填（观察）→ 循环。后面第 6 章会把这个最小骨架扩展成生产级实现，第 10-18 章则围绕"循环怎么组织"展开 9 大设计模式。

1.2.3 Agent 的"自主性"光谱

Agent 的自主程度不是二元的，而是一条光谱：

scss 复制代码

完全人工 ──────────────────────── 完全自主
  │            │           │            │
人工指定每一步   人审批关键动作  人只在异常时介入  完全自动执行
(提示链)      (Human-in-loop)  (supervised)   (autonomous)

工程铁律：自主性越高，风险越高，越需要护栏。 生产系统的 Agent 通常停在"人审批关键动作"或"人只在异常时介入"------全自主只在低风险任务上启用（呼应第 22 章安全、第 17 章自检）。

1.3 5 层骨架全景

本书反复提到的"5 层骨架"是理解一切 Agent 系统的总地图。从下到上：

图 2：Agent 5 层骨架

vbnet 复制代码

┌─────────────────────────────────────────────┐
│ 5. Agent Loop（智能体循环）                    │
│    思考 Think → 行动 Act → 观察 Observe → 循环  │
├─────────────────────────────────────────────┤
│ 4. Tool Calling（工具调用）                    │
│    告诉 LLM：有哪些工具可用、怎么调用            │
├─────────────────────────────────────────────┤
│ 3. Context（上下文）                          │
│    对话历史 + 当前状态 + 工具结果               │
├─────────────────────────────────────────────┤
│ 2. LLM API（模型接口）                        │
│    厂商提供的 HTTP 调用能力                    │
├─────────────────────────────────────────────┤
│ 1. LLM（大语言模型）                           │
│    理解、推理、生成                            │
└─────────────────────────────────────────────┘

5 层的对应关系：每层解决一个问题，也是本书的章节地图------

层	解决什么	对应章节
1 LLM	智能从哪来	第 2 章
2 LLM API	怎么调用	第 2 章、附录 E
3 Context	怎么记住上下文	第 3 章
4 Tool Calling	怎么干活	第 5 章、第 14 章
5 Agent Loop	怎么循环推进	第 6 章、第 10-18 章

记住这张图：后续每一章都在给这 5 层中的某一层"加厚"。遇到任何 Agent 问题，先问"问题出在哪一层"------这是全书排错的第一思维（呼应第 21 章排错）。

1.4 6 大概念关系

Agent 生态里还有 6 个高频概念，它们的关系经常被混淆。一张图理清：

图 3：Agent 生态 6 大概念

markdown 复制代码

           ┌──────────────┐
           │   LLM（大脑） │  提供智能与推理
           └──────┬───────┘
                  │
           ┌──────▼───────┐
           │ Agent（组织者）│  决策、编排、循环
           └──────┬───────┘
     ┌────────────┼────────────┬─────────────┐
     ▼            ▼            ▼             ▼
┌─────────┐ ┌─────────┐ ┌─────────┐  ┌──────────┐
│  RAG    │ │  Skill  │ │  MCP    │  │ Harness  │
│ 知识    │ │ 能力    │ │ 连接    │  │ 保障     │
│ 提供资料│ │ 复用流程│ │ 接入工具│  │ 评测安全  │
└─────────┘ └─────────┘ └─────────┘  └──────────┘

概念	一句话	解决的问题	对应章节
LLM	大脑，提供智能	理解与推理	第 2 章
Agent	组织者，决策与编排	怎么把智能用起来	第 6、10-18 章
RAG	知识补给，检索增强	模型不知道的知识	第 8 章
Skill	可复用的流程封装	重复劳动抽象	第 19 章
MCP	工具接入的标准化协议	工具碎片化	第 7 章
Harness	质量与安全保障框架	可靠性	第 20 章

记忆口诀 ：LLM 是大脑、Agent 是组织者、RAG 供知识、Skill 复流程、MCP 接工具、Harness 保质量。Agent 是中枢，其他五个都是它的能力配件。

1.5 何时不该用 Agent

这一节是本章最重要的部分------学会不用 Agent，和学会用 Agent 一样重要。

1.5.1 Agent 的代价

Agent 不是免费的，它有四个实打实的成本：

代价	说明	量级
Token 成本	每轮循环都要多次调用，是单次问答的数倍	2~10 倍
延迟	串行多轮调用，响应明显变慢	秒级 → 十秒级
不确定性	自主循环可能走偏、卡死、胡来	需护栏兜底
工程复杂度	评测、排错、监控都比静态流程难	数倍工作量

1.5.2 三选一决策：传统程序 / 提示工程 / Agent

面对一个需求，先别急着上 Agent，按这个决策树走：

图 4：技术选型决策树

matlab 复制代码

需求来了
  │
  ├─ 规则可穷举？─────────────→ 传统程序（if-else/规则引擎）
  │     （输入有限、逻辑确定）     零 LLM 成本，100% 可控
  │
  ├─ 无规则但输出模式固定？─────→ 微调/提示工程（非 Agent）
  │     （分类/抽取/格式转换）    单次调用即可，无需循环
  │
  └─ 需要多步决策 + 工具操作？──→ Agent
        （先查再算再写、跨系统）   用循环和工具解决

判断口诀：

输入可枚举 → 传统程序（银行取款流程，别用 Agent）
单步可完成 → 提示工程/微调（情感分类，一个调用就够）
多步决策 + 外部操作 → Agent（查订单→算运费→生成回复）

1.5.3 常见"滥用 Agent"的场景

把"分类任务"包装成 Agent：一个情感分类，用 Agent 循环 5 轮------纯浪费，一个带提示词的调用就够。
把"固定流程"硬做成自主：报销审批流程是固定的，用提示链（第 10 章）而非自主 Agent------自主反而引入不确定性。
把"搜索问答"包装成 Agent：只挂了一个检索工具的问答，本质是 RAG（第 8 章），别叫 Agent。

本书的核心立场：Agent 是"复杂任务的最终手段"，不是"所有问题的默认答案"。 先想清楚问题形态，再选技术方案。

🛠 解决方案：Agent vs 传统程序 vs 提示工程的选型决策树

常见问题

"我的需求到底要不要用 Agent？"：用 1.5.2 的决策树过一遍------先排除"传统程序"和"单步调用"两个更便宜的选项。
"怎么判断一个产品是不是真 Agent？"：看两块试金石（1.1.2）------是否调用工具、是否有循环。
"Agent 和 RAG 有什么区别？"：RAG 是知识层（第 8 章），Agent 是决策层；RAG 是 Agent 的"知识配件"之一（1.4 的关系图）。
"用 Agent 会不会太贵？"：会。先评估任务是否真的需要循环和工具（1.5.2），能不用就不用。
"自主性开多少合适？"：从"人审批关键动作"起步（1.2.3），跑稳了再逐步提高自主度，一般不建议一上来就全自主。

解决方案速查表

需求形态	推荐方案	为什么
规则可穷举	传统程序	零成本、可控性高
单步分类/抽取	提示工程	一次调用，无需循环
输出模式固定且量大	提示工程/微调	提示工程试水，量大再考虑微调
需要外部知识	RAG（+ 非 Agent）	检索增强即可
多步决策 + 工具	Agent	循环 + 工具是刚需
多 Agent 协作	多智能体（第 16 章）	单一 Agent 不够时

实战提示

先做"最简版本"再升级：先用单次调用 + 提示词跑通需求，证明"单步做不了"再升级成 Agent------用最小代价验证需求形态。
用 5 层骨架定位问题：出问题先问"是哪一层的问题"（模型/接口/上下文/工具/循环），别整系统瞎调。
记住 6 概念口诀：大脑 LLM、组织者 Agent、知识 RAG、复用 Skill、连接 MCP、保障 Harness。
把"不用 Agent"当成一种设计能力：能指出"这里不需要 Agent"的工程师，比逢事就上 Agent 的更值钱。