AI Agent 的三位一体架构：模型（大脑）+ 工具（双手）+ 记忆（海马体）的深度解析

摘要

理解 AI Agent 的核心架构是开发 Agent 系统的前提。本文将 AI Agent 类比为人体的三个核心器官------大脑（LLM 模型层）、双手（工具调用层）和海马体（记忆系统层），从架构设计、交互机制、数据流三个维度深度拆解"模型+工具+记忆"的三位一体架构。分析三者之间的协作时序、状态同步策略和常见设计陷阱，给出可落地的架构设计参考。面向希望深入理解 Agent 内部机制的 AI 应用开发者和架构师。

📌 经典原理，长期适用：本文讲解的 Agent 核心架构原理不依赖特定框架或模型版本，属于 Agent 工程化的基础理论，长期有效。涉及的具体框架 API 以 2026 年 9 月版本为准。

文章目录

- 摘要
- [一、为什么用"三位一体"来理解 Agent？](#一、为什么用"三位一体"来理解 Agent？)
- - [1.1 一个直觉类比](#1.1 一个直觉类比)
  - [1.2 为什么不是"两部分"或"四部分"](#1.2 为什么不是"两部分"或"四部分")
- [二、模型层：Agent 的大脑](#二、模型层：Agent 的大脑)
- - [2.1 LLM 在 Agent 中的角色](#2.1 LLM 在 Agent 中的角色)
  - [2.2 不同模型在 Agent 场景下的能力差异](#2.2 不同模型在 Agent 场景下的能力差异)
  - [2.3 模型层的工程设计](#2.3 模型层的工程设计)
- [三、工具调用层：Agent 的双手](#三、工具调用层：Agent 的双手)
- - [3.1 工具调用的三种模式](#3.1 工具调用的三种模式)
  - [3.2 工具设计原则](#3.2 工具设计原则)
  - [3.3 工具管理的演进](#3.3 工具管理的演进)
- [四、记忆系统层：Agent 的海马体](#四、记忆系统层：Agent 的海马体)
- - [4.1 为什么 Agent 需要记忆？](#4.1 为什么 Agent 需要记忆？)
  - [4.2 三层记忆架构](#4.2 三层记忆架构)
  - [4.3 记忆管理的核心挑战](#4.3 记忆管理的核心挑战)
- 五、三位一体的协作机制
- - [5.1 完整的任务执行时序](#5.1 完整的任务执行时序)
  - [5.2 三层之间的状态同步](#5.2 三层之间的状态同步)
  - [5.3 架构设计的状态图](#5.3 架构设计的状态图)
- 六、常见架构设计陷阱
- - [6.1 陷阱一：工具过载](#6.1 陷阱一：工具过载)
  - [6.2 陷阱二：记忆无限膨胀](#6.2 陷阱二：记忆无限膨胀)
  - [6.3 陷阱三：线性思维链](#6.3 陷阱三：线性思维链)
- 七、适用边界
- - [7.1 三位一体架构的适用场景](#7.1 三位一体架构的适用场景)
  - [7.2 不适用场景](#7.2 不适用场景)
  - [7.3 架构选择的决策建议](#7.3 架构选择的决策建议)
- 八、总结
- - [8.1 核心观点](#8.1 核心观点)
  - [8.2 下篇预告](#8.2 下篇预告)
- 参考资料

图：Agent三位一体架构总览图

一、为什么用"三位一体"来理解 Agent？

1.1 一个直觉类比

人类的智能行为不是单一器官完成的。你问"明天北京天气怎么样"------大脑负责理解问题并规划"需要查天气"，双手负责拿起手机打开天气 App，海马体负责记住"你明天要去北京出差"这个上下文。

AI Agent 的运作方式几乎一模一样：

人类器官	Agent 组件	核心职责	技术实现
大脑（前额叶）	LLM 模型层	理解、推理、规划、决策	GPT-5 / Claude / DeepSeek
双手	工具调用层	与外部世界交互	Function Calling / MCP
海马体	记忆系统层	存储与回忆上下文	向量数据库 / 上下文管理

1.2 为什么不是"两部分"或"四部分"

为什么不是两部分（模型+工具）？ 因为没有记忆的 Agent 就像"失忆症患者"------每次对话都从零开始，无法积累经验，无法保持长期上下文。

为什么不是四部分？ 有人主张加一个"规划层"作为独立组件。但规划本质上是 LLM 的核心能力，不需要独立为第四个组件。强行拆分反而增加了系统复杂度。

三位一体的核心在于"循环"------三个组件不是线性串联（模型→工具→记忆），而是在一个循环中持续交互：模型读取记忆→规划→调用工具→工具返回结果→模型反思→更新记忆→继续规划。
#mermaid-svg-Q3RZwlKQ1F7ui2pa{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .error-icon{fill:#552222;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .marker.cross{stroke:#333333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa p{margin:0;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .cluster-label text{fill:#333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .cluster-label span{color:#333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .cluster-label span p{background-color:transparent;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .label text,#mermaid-svg-Q3RZwlKQ1F7ui2pa span{fill:#333;color:#333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .node rect,#mermaid-svg-Q3RZwlKQ1F7ui2pa .node circle,#mermaid-svg-Q3RZwlKQ1F7ui2pa .node ellipse,#mermaid-svg-Q3RZwlKQ1F7ui2pa .node polygon,#mermaid-svg-Q3RZwlKQ1F7ui2pa .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .rough-node .label text,#mermaid-svg-Q3RZwlKQ1F7ui2pa .node .label text,#mermaid-svg-Q3RZwlKQ1F7ui2pa .image-shape .label,#mermaid-svg-Q3RZwlKQ1F7ui2pa .icon-shape .label{text-anchor:middle;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .rough-node .label,#mermaid-svg-Q3RZwlKQ1F7ui2pa .node .label,#mermaid-svg-Q3RZwlKQ1F7ui2pa .image-shape .label,#mermaid-svg-Q3RZwlKQ1F7ui2pa .icon-shape .label{text-align:center;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .node.clickable{cursor:pointer;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .arrowheadPath{fill:#333333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Q3RZwlKQ1F7ui2pa .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Q3RZwlKQ1F7ui2pa .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Q3RZwlKQ1F7ui2pa .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .cluster text{fill:#333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .cluster span{color:#333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Q3RZwlKQ1F7ui2pa rect.text{fill:none;stroke-width:0;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .icon-shape,#mermaid-svg-Q3RZwlKQ1F7ui2pa .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .icon-shape p,#mermaid-svg-Q3RZwlKQ1F7ui2pa .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .icon-shape .label rect,#mermaid-svg-Q3RZwlKQ1F7ui2pa .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Q3RZwlKQ1F7ui2pa .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Q3RZwlKQ1F7ui2pa .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Q3RZwlKQ1F7ui2pa :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 🧠 LLM 模型

推理与规划
🤲 工具调用

执行与交互
hippocampus 记忆系统

存储与回忆

图：Agent 三位一体架构的核心循环关系

二、模型层：Agent 的大脑

2.1 LLM 在 Agent 中的角色

LLM 在 Agent 中承担四个核心职责：

职责	描述	对应人类认知
意图理解	理解用户输入的真正含义	语言理解
任务规划	将复杂目标分解为可执行步骤	前额叶规划
工具选择	决定调用什么工具、传什么参数	工具选择
结果评估	判断工具返回结果是否满足需求	反思与评估

2.2 不同模型在 Agent 场景下的能力差异

图：四大主流模型在 Agent 场景下的能力对比

关键差异分析：

推理能力决定 Agent 的"规划质量"------面对复杂多步任务，强推理模型能制定更合理的执行计划。GPT-5 和 Claude-4 在这一维度领先。

工具调用决定 Agent 的"执行可靠性"------JSON Schema 约束的准确性、参数填充的完整度。Claude-4 的 Function Calling 稳定性最高。

上下文管理决定 Agent 的"记忆容量"------上下文窗口越长，能处理的任务越复杂。Claude-4 的 200K 窗口在长任务场景下有优势。

2.3 模型层的工程设计

选择模型只是第一步，如何"用好"模型才是关键。以下是模型层的三个工程要点：

要点一：System Prompt 设计

System Prompt 是 Agent 的"性格设定"。它决定了 Agent 的角色、行为边界和输出风格。

python 复制代码

SYSTEM_PROMPT = """你是一个数据分析助手，具备以下能力：
1. 查询数据库获取数据
2. 执行统计分析
3. 生成可视化报告

工作原则：
- 收到任务后先制定执行计划
- 每一步执行后评估结果，决定是否继续
- 如果工具调用失败，尝试替代方案
- 不确定的信息要明确标注

输出要求：
- 执行计划用编号列表
- 数据结果用表格
- 最终结论加粗
"""

这个 System Prompt 定义了 Agent 的角色、能力、工作原则和输出格式。在 Agent 架构中，System Prompt 属于"模型层配置"，但它直接影响 Agent 的所有行为。

要点二：温度（Temperature）参数

Agent 场景下，温度参数的选择与 ChatBot 不同：

场景	建议温度	原因
任务规划	0.0-0.3	需要确定性，避免"创造性"跑偏
工具调用	0.0	参数必须精确，不能"创造"参数值
内容生成	0.5-0.7	需要一定的创造性
代码生成	0.0-0.2	代码必须准确

要点三：多模型路由

生产级 Agent 不应该只用一个模型。根据任务复杂度路由到不同模型，是成本控制的关键：

python 复制代码

def route_model(task_complexity: str, task_type: str) -> str:
    """根据任务特征选择模型"""
    if task_complexity == "high":
        return "gpt-5"          # 复杂推理用强模型
    elif task_type == "code":
        return "claude-4-sonnet" # 代码用 Claude
    elif task_type == "simple_qa":
        return "deepseek-v4"     # 简单问答用低成本模型
    else:
        return "gpt-5-mini"      # 默认用中等模型

三、工具调用层：Agent 的双手

3.1 工具调用的三种模式

模式	描述	优点	缺点	典型框架
Function Calling	模型原生工具调用	最稳定、参数准确	绑定特定模型	OpenAI / Anthropic
MCP 协议	标准化工具协议	跨框架复用	生态尚在发展	OpenClaw
Prompt 注入	在 Prompt 中描述工具	模型无关	最不稳定	早期 LangChain

外部系统工具层 LLM 用户外部系统工具层 LLM 用户 #mermaid-svg-drAepy6xOnpOMWrJ{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-drAepy6xOnpOMWrJ .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-drAepy6xOnpOMWrJ .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-drAepy6xOnpOMWrJ .error-icon{fill:#552222;}#mermaid-svg-drAepy6xOnpOMWrJ .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-drAepy6xOnpOMWrJ .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-drAepy6xOnpOMWrJ .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-drAepy6xOnpOMWrJ .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-drAepy6xOnpOMWrJ .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-drAepy6xOnpOMWrJ .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-drAepy6xOnpOMWrJ .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-drAepy6xOnpOMWrJ .marker{fill:#333333;stroke:#333333;}#mermaid-svg-drAepy6xOnpOMWrJ .marker.cross{stroke:#333333;}#mermaid-svg-drAepy6xOnpOMWrJ svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-drAepy6xOnpOMWrJ p{margin:0;}#mermaid-svg-drAepy6xOnpOMWrJ .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-drAepy6xOnpOMWrJ text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-drAepy6xOnpOMWrJ .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-drAepy6xOnpOMWrJ .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-drAepy6xOnpOMWrJ .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-drAepy6xOnpOMWrJ .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-drAepy6xOnpOMWrJ #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-drAepy6xOnpOMWrJ .sequenceNumber{fill:white;}#mermaid-svg-drAepy6xOnpOMWrJ #sequencenumber{fill:#333;}#mermaid-svg-drAepy6xOnpOMWrJ #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-drAepy6xOnpOMWrJ .messageText{fill:#333;stroke:none;}#mermaid-svg-drAepy6xOnpOMWrJ .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-drAepy6xOnpOMWrJ .labelText,#mermaid-svg-drAepy6xOnpOMWrJ .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-drAepy6xOnpOMWrJ .loopText,#mermaid-svg-drAepy6xOnpOMWrJ .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-drAepy6xOnpOMWrJ .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-drAepy6xOnpOMWrJ .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-drAepy6xOnpOMWrJ .noteText,#mermaid-svg-drAepy6xOnpOMWrJ .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-drAepy6xOnpOMWrJ .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-drAepy6xOnpOMWrJ .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-drAepy6xOnpOMWrJ .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-drAepy6xOnpOMWrJ .actorPopupMenu{position:absolute;}#mermaid-svg-drAepy6xOnpOMWrJ .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-drAepy6xOnpOMWrJ .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-drAepy6xOnpOMWrJ .actor-man circle,#mermaid-svg-drAepy6xOnpOMWrJ line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-drAepy6xOnpOMWrJ :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} Function Calling 模式 MCP 协议模式 "查一下今天北京天气" 推理：需要调用天气工具 function_call(name="get_weather", args={city:"北京"}) 调用天气 API {temp: 22, condition: "晴"} 工具返回结果整合结果生成回答 "北京今天22度，晴天" "查一下今天北京天气" MCP请求(get_weather, {city:"北京"}) MCP Client → MCP Server 标准化调用标准化返回 MCP响应 "北京今天22度，晴天"

图：Function Calling 与 MCP 协议的时序对比

3.2 工具设计原则

工具设计不是"定义个函数就行"。好的工具设计能大幅提升 Agent 的决策准确率，坏的工具设计会让 Agent 频繁出错。

原则一：粒度适中

python 复制代码

# ❌ 太细：Agent 需要调用 3 次才能完成一个操作
@tool
def get_order_id(customer_name: str) -> str:
    """根据客户名获取订单ID"""
    
@tool
def get_order_status(order_id: str) -> str:
    """根据订单ID获取状态"""

@tool
def cancel_order(order_id: str) -> bool:
    """取消订单"""

# ✅ 适中：一个工具完成完整操作
@tool
def find_and_cancel_order(customer_name: str) -> dict:
    """根据客户名查找订单并取消，返回取消结果"""
    order_id = get_order_id(customer_name)
    status = get_order_status(order_id)
    if status == "shipped":
        return {"success": False, "reason": "已发货，无法取消"}
    return cancel_order(order_id)

原则二：描述清晰

工具描述是 Agent 选择工具的"唯一依据"。描述不清晰，Agent 就会选错工具或传错参数。

python 复制代码

# ❌ 描述模糊
@tool
def search(query: str) -> str:
    """搜索"""

# ✅ 描述清晰
@tool
def search_web(query: str, max_results: int = 5) -> list:
    """搜索互联网获取最新信息。适用于需要实时数据、新闻、天气、股价等场景。
    
    参数：
    - query: 搜索关键词，建议10-30字
    - max_results: 返回结果数量，默认5条
    
    返回：搜索结果列表，每条包含标题、摘要、链接
    """

原则三：错误可恢复

python 复制代码

@tool
def query_database(sql: str) -> dict:
    """执行SQL查询"""
    try:
        result = db.execute(sql)
        return {"success": True, "data": result}
    except ConnectionError:
        return {"success": False, "error": "数据库连接失败", "retry": True}
    except SyntaxError as e:
        return {"success": False, "error": f"SQL语法错误: {e}", "retry": False}

工具返回的 retry 字段告诉 Agent："这个错误值得重试"还是"这个错误重试也没用"。这种设计让 Agent 做出更智能的错误处理决策。

3.3 工具管理的演进

#mermaid-svg-fRTHezHnLnorGNp5{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-fRTHezHnLnorGNp5 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-fRTHezHnLnorGNp5 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-fRTHezHnLnorGNp5 .error-icon{fill:#552222;}#mermaid-svg-fRTHezHnLnorGNp5 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-fRTHezHnLnorGNp5 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-fRTHezHnLnorGNp5 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-fRTHezHnLnorGNp5 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-fRTHezHnLnorGNp5 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-fRTHezHnLnorGNp5 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-fRTHezHnLnorGNp5 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-fRTHezHnLnorGNp5 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-fRTHezHnLnorGNp5 .marker.cross{stroke:#333333;}#mermaid-svg-fRTHezHnLnorGNp5 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-fRTHezHnLnorGNp5 p{margin:0;}#mermaid-svg-fRTHezHnLnorGNp5 .commit-id,#mermaid-svg-fRTHezHnLnorGNp5 .commit-msg,#mermaid-svg-fRTHezHnLnorGNp5 .branch-label{fill:lightgrey;color:lightgrey;font-family:'trebuchet ms',verdana,arial,sans-serif;font-family:var(--mermaid-font-family);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label0{fill:#ffffff;}#mermaid-svg-fRTHezHnLnorGNp5 .commit0{stroke:hsl(240, 100%, 46.2745098039%);fill:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight0{stroke:hsl(60, 100%, 3.7254901961%);fill:hsl(60, 100%, 3.7254901961%);}#mermaid-svg-fRTHezHnLnorGNp5 .label0{fill:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow0{stroke:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label1{fill:black;}#mermaid-svg-fRTHezHnLnorGNp5 .commit1{stroke:hsl(60, 100%, 43.5294117647%);fill:hsl(60, 100%, 43.5294117647%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight1{stroke:rgb(0, 0, 160.5);fill:rgb(0, 0, 160.5);}#mermaid-svg-fRTHezHnLnorGNp5 .label1{fill:hsl(60, 100%, 43.5294117647%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow1{stroke:hsl(60, 100%, 43.5294117647%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label2{fill:black;}#mermaid-svg-fRTHezHnLnorGNp5 .commit2{stroke:hsl(80, 100%, 46.2745098039%);fill:hsl(80, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight2{stroke:rgb(48.8333333334, 0, 146.5000000001);fill:rgb(48.8333333334, 0, 146.5000000001);}#mermaid-svg-fRTHezHnLnorGNp5 .label2{fill:hsl(80, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow2{stroke:hsl(80, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label3{fill:#ffffff;}#mermaid-svg-fRTHezHnLnorGNp5 .commit3{stroke:hsl(210, 100%, 46.2745098039%);fill:hsl(210, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight3{stroke:rgb(146.5000000001, 73.2500000001, 0);fill:rgb(146.5000000001, 73.2500000001, 0);}#mermaid-svg-fRTHezHnLnorGNp5 .label3{fill:hsl(210, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow3{stroke:hsl(210, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label4{fill:black;}#mermaid-svg-fRTHezHnLnorGNp5 .commit4{stroke:hsl(180, 100%, 46.2745098039%);fill:hsl(180, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight4{stroke:rgb(146.5000000001, 0, 0);fill:rgb(146.5000000001, 0, 0);}#mermaid-svg-fRTHezHnLnorGNp5 .label4{fill:hsl(180, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow4{stroke:hsl(180, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label5{fill:black;}#mermaid-svg-fRTHezHnLnorGNp5 .commit5{stroke:hsl(150, 100%, 46.2745098039%);fill:hsl(150, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight5{stroke:rgb(146.5000000001, 0, 73.2500000001);fill:rgb(146.5000000001, 0, 73.2500000001);}#mermaid-svg-fRTHezHnLnorGNp5 .label5{fill:hsl(150, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow5{stroke:hsl(150, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label6{fill:black;}#mermaid-svg-fRTHezHnLnorGNp5 .commit6{stroke:hsl(300, 100%, 46.2745098039%);fill:hsl(300, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight6{stroke:rgb(0, 146.5000000001, 0);fill:rgb(0, 146.5000000001, 0);}#mermaid-svg-fRTHezHnLnorGNp5 .label6{fill:hsl(300, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow6{stroke:hsl(300, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch-label7{fill:black;}#mermaid-svg-fRTHezHnLnorGNp5 .commit7{stroke:hsl(0, 100%, 46.2745098039%);fill:hsl(0, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight7{stroke:rgb(0, 146.5000000001, 146.5000000001);fill:rgb(0, 146.5000000001, 146.5000000001);}#mermaid-svg-fRTHezHnLnorGNp5 .label7{fill:hsl(0, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .arrow7{stroke:hsl(0, 100%, 46.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .branch{stroke-width:1;stroke:#333333;stroke-dasharray:2;}#mermaid-svg-fRTHezHnLnorGNp5 .commit-label{font-size:10px;fill:#000021;}#mermaid-svg-fRTHezHnLnorGNp5 .commit-label-bkg{font-size:10px;fill:#ffffde;opacity:0.5;}#mermaid-svg-fRTHezHnLnorGNp5 .tag-label{font-size:10px;fill:#131300;}#mermaid-svg-fRTHezHnLnorGNp5 .tag-label-bkg{fill:#ECECFF;stroke:hsl(240, 60%, 86.2745098039%);}#mermaid-svg-fRTHezHnLnorGNp5 .tag-hole{fill:#333;}#mermaid-svg-fRTHezHnLnorGNp5 .commit-merge{stroke:#ECECFF;fill:#ECECFF;}#mermaid-svg-fRTHezHnLnorGNp5 .commit-reverse{stroke:#ECECFF;fill:#ECECFF;stroke-width:3;}#mermaid-svg-fRTHezHnLnorGNp5 .commit-highlight-inner{stroke:#ECECFF;fill:#ECECFF;}#mermaid-svg-fRTHezHnLnorGNp5 .arrow{stroke-width:8;stroke-linecap:round;fill:none;}#mermaid-svg-fRTHezHnLnorGNp5 .gitTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-fRTHezHnLnorGNp5 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} main 阶段1: 硬编码工具阶段2: 配置文件注册阶段3: 动态发现阶段4: MCP标准化阶段5: AI自主创建工具

图：Agent 工具管理的演进路径

阶段1：工具直接写死在代码里，增删工具需要改代码
阶段2：工具通过配置文件（YAML/JSON）注册，增删工具改配置即可
阶段3：Agent 运行时动态发现可用工具，按需加载
阶段4：MCP 协议标准化工具接口，跨框架复用
阶段5：Agent 根据需求自己创建临时工具（前沿研究方向）

2026 年的主流框架已经进入阶段3-4。OpenClaw 的 Skill 系统是阶段3的典型代表，MCP 的普及推动了阶段4的发展。

四、记忆系统层：Agent 的海马体

4.1 为什么 Agent 需要记忆？

一个没有记忆的 Agent 就像一个"每次都从零开始"的实习生。你告诉它"用中文回答"，下一轮它就忘了。你跟它讨论了半小时的方案，新会话里它什么都不知道。

Agent 的记忆系统解决三个问题：

问题	描述	记忆类型
当前推理需要上下文	"用户刚才说了什么？"	工作记忆
会话内的状态保持	"我们讨论到第几步了？"	会话记忆
跨会话的知识积累	"上次用户说他偏好简洁回答"	长期记忆

4.2 三层记忆架构

#mermaid-svg-rhjlsT4cS0mEmvAS{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-rhjlsT4cS0mEmvAS .error-icon{fill:#552222;}#mermaid-svg-rhjlsT4cS0mEmvAS .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-rhjlsT4cS0mEmvAS .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-rhjlsT4cS0mEmvAS .marker{fill:#333333;stroke:#333333;}#mermaid-svg-rhjlsT4cS0mEmvAS .marker.cross{stroke:#333333;}#mermaid-svg-rhjlsT4cS0mEmvAS svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-rhjlsT4cS0mEmvAS p{margin:0;}#mermaid-svg-rhjlsT4cS0mEmvAS .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-rhjlsT4cS0mEmvAS .cluster-label text{fill:#333;}#mermaid-svg-rhjlsT4cS0mEmvAS .cluster-label span{color:#333;}#mermaid-svg-rhjlsT4cS0mEmvAS .cluster-label span p{background-color:transparent;}#mermaid-svg-rhjlsT4cS0mEmvAS .label text,#mermaid-svg-rhjlsT4cS0mEmvAS span{fill:#333;color:#333;}#mermaid-svg-rhjlsT4cS0mEmvAS .node rect,#mermaid-svg-rhjlsT4cS0mEmvAS .node circle,#mermaid-svg-rhjlsT4cS0mEmvAS .node ellipse,#mermaid-svg-rhjlsT4cS0mEmvAS .node polygon,#mermaid-svg-rhjlsT4cS0mEmvAS .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-rhjlsT4cS0mEmvAS .rough-node .label text,#mermaid-svg-rhjlsT4cS0mEmvAS .node .label text,#mermaid-svg-rhjlsT4cS0mEmvAS .image-shape .label,#mermaid-svg-rhjlsT4cS0mEmvAS .icon-shape .label{text-anchor:middle;}#mermaid-svg-rhjlsT4cS0mEmvAS .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-rhjlsT4cS0mEmvAS .rough-node .label,#mermaid-svg-rhjlsT4cS0mEmvAS .node .label,#mermaid-svg-rhjlsT4cS0mEmvAS .image-shape .label,#mermaid-svg-rhjlsT4cS0mEmvAS .icon-shape .label{text-align:center;}#mermaid-svg-rhjlsT4cS0mEmvAS .node.clickable{cursor:pointer;}#mermaid-svg-rhjlsT4cS0mEmvAS .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-rhjlsT4cS0mEmvAS .arrowheadPath{fill:#333333;}#mermaid-svg-rhjlsT4cS0mEmvAS .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-rhjlsT4cS0mEmvAS .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-rhjlsT4cS0mEmvAS .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-rhjlsT4cS0mEmvAS .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-rhjlsT4cS0mEmvAS .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-rhjlsT4cS0mEmvAS .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-rhjlsT4cS0mEmvAS .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-rhjlsT4cS0mEmvAS .cluster text{fill:#333;}#mermaid-svg-rhjlsT4cS0mEmvAS .cluster span{color:#333;}#mermaid-svg-rhjlsT4cS0mEmvAS div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-rhjlsT4cS0mEmvAS .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-rhjlsT4cS0mEmvAS rect.text{fill:none;stroke-width:0;}#mermaid-svg-rhjlsT4cS0mEmvAS .icon-shape,#mermaid-svg-rhjlsT4cS0mEmvAS .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-rhjlsT4cS0mEmvAS .icon-shape p,#mermaid-svg-rhjlsT4cS0mEmvAS .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-rhjlsT4cS0mEmvAS .icon-shape .label rect,#mermaid-svg-rhjlsT4cS0mEmvAS .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-rhjlsT4cS0mEmvAS .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-rhjlsT4cS0mEmvAS .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-rhjlsT4cS0mEmvAS :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} Agent 记忆系统
超出窗口时

摘要压缩
会话结束时

有价值信息提取
检索相关记忆
检索历史上下文
工作记忆

（当前推理上下文）

生命周期：单次推理
会话记忆

（对话历史+摘要）

生命周期：单次会话
长期记忆

（向量库+知识图谱）

生命周期：永久

图：Agent 三层记忆系统架构

工作记忆（Working Memory）：

工作记忆就是 LLM 的当前推理上下文------System Prompt + 最近几轮对话 + 工具返回结果。它的容量受限于模型的上下文窗口。

python 复制代码

# 工作记忆的管理
class WorkingMemory:
    def __init__(self, max_tokens: int = 128000):
        self.messages = []
        self.max_tokens = max_tokens
        self.current_tokens = 0
    
    def add_message(self, message: dict):
        """添加消息到工作记忆"""
        tokens = count_tokens(message["content"])
        if self.current_tokens + tokens > self.max_tokens:
            self._compress()  # 超出窗口，触发压缩
        self.messages.append(message)
        self.current_tokens += tokens
    
    def _compress(self):
        """压缩策略：旧消息摘要 + 保留最近N条"""
        old_messages = self.messages[:-5]  # 保留最近5条
        recent = self.messages[-5:]
        summary = llm_summarize(old_messages)
        self.messages = [
            {"role": "system", "content": f"之前对话摘要：{summary}"}
        ] + recent
        self.current_tokens = count_tokens(str(self.messages))

会话记忆（Session Memory）：

会话记忆保存一次完整对话的所有历史。当工作记忆超出窗口时，旧消息被压缩后存入会话记忆。会话结束时，有价值的信息被提取到长期记忆。

长期记忆（Long-term Memory）：

长期记忆是 Agent 跨会话的知识库。通常用向量数据库（如 Pinecone、Chroma）实现，存储用户偏好、历史决策、知识沉淀等。

4.3 记忆管理的核心挑战

挑战一：什么时候该写入长期记忆？

不是所有对话内容都值得记住。"今天天气怎么样"不需要写入长期记忆，但"用户偏好用中文回答"需要。

python 复制代码

def should_remember(content: str) -> bool:
    """判断内容是否值得写入长期记忆"""
    # 启发式规则
    remember_signals = [
        "用户偏好", "重要决策", "项目背景",
        "记住这个", "以后都用", "别忘了"
    ]
    return any(signal in content for signal in remember_signals)

挑战二：什么时候该检索长期记忆？

不是每轮对话都需要检索长期记忆。无脑检索会浪费 Token、降低响应速度。

python 复制代码

def should_retrieve(user_input: str) -> bool:
    """判断是否需要检索长期记忆"""
    # 需要检索的信号
    retrieve_signals = [
        "上次", "之前", "你还记得", "我们讨论过",
        "我的偏好", "历史"
    ]
    return any(signal in user_input for signal in retrieve_signals)

挑战三：什么时候该遗忘？

长期记忆不是越多越好。过时的信息会干扰 Agent 的决策。需要设计"遗忘机制"------定期清理不再相关、已过时的记忆。

python 复制代码

def forget_outdated(memory_store, current_time):
    """定期清理过时记忆"""
    for memory in memory_store:
        age = current_time - memory.created_at
        if age > timedelta(days=90):  # 超过90天
            if memory.relevance_score < 0.3:  # 相关性低于阈值
                memory_store.delete(memory.id)

五、三位一体的协作机制

5.1 完整的任务执行时序

外部系统工具层长期记忆会话记忆 LLM 模型工作记忆用户外部系统工具层长期记忆会话记忆 LLM 模型工作记忆用户 #mermaid-svg-0xxSwPv2461pv5NY{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-0xxSwPv2461pv5NY .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-0xxSwPv2461pv5NY .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-0xxSwPv2461pv5NY .error-icon{fill:#552222;}#mermaid-svg-0xxSwPv2461pv5NY .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-0xxSwPv2461pv5NY .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-0xxSwPv2461pv5NY .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-0xxSwPv2461pv5NY .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-0xxSwPv2461pv5NY .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-0xxSwPv2461pv5NY .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-0xxSwPv2461pv5NY .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-0xxSwPv2461pv5NY .marker{fill:#333333;stroke:#333333;}#mermaid-svg-0xxSwPv2461pv5NY .marker.cross{stroke:#333333;}#mermaid-svg-0xxSwPv2461pv5NY svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-0xxSwPv2461pv5NY p{margin:0;}#mermaid-svg-0xxSwPv2461pv5NY .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-0xxSwPv2461pv5NY text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-0xxSwPv2461pv5NY .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-0xxSwPv2461pv5NY .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-0xxSwPv2461pv5NY .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-0xxSwPv2461pv5NY .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-0xxSwPv2461pv5NY #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-0xxSwPv2461pv5NY .sequenceNumber{fill:white;}#mermaid-svg-0xxSwPv2461pv5NY #sequencenumber{fill:#333;}#mermaid-svg-0xxSwPv2461pv5NY #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-0xxSwPv2461pv5NY .messageText{fill:#333;stroke:none;}#mermaid-svg-0xxSwPv2461pv5NY .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-0xxSwPv2461pv5NY .labelText,#mermaid-svg-0xxSwPv2461pv5NY .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-0xxSwPv2461pv5NY .loopText,#mermaid-svg-0xxSwPv2461pv5NY .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-0xxSwPv2461pv5NY .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-0xxSwPv2461pv5NY .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-0xxSwPv2461pv5NY .noteText,#mermaid-svg-0xxSwPv2461pv5NY .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-0xxSwPv2461pv5NY .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-0xxSwPv2461pv5NY .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-0xxSwPv2461pv5NY .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-0xxSwPv2461pv5NY .actorPopupMenu{position:absolute;}#mermaid-svg-0xxSwPv2461pv5NY .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-0xxSwPv2461pv5NY .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-0xxSwPv2461pv5NY .actor-man circle,#mermaid-svg-0xxSwPv2461pv5NY line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-0xxSwPv2461pv5NY :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} "帮我查上周销量，对比上上周，生成报告" 输入 + 上下文意图理解：需要查询数据 + 对比 + 生成报告检索会话历史无相关历史（新会话）检索长期记忆用户偏好简洁报告，上周=9月1日-7日规划：1.查上周 2.查上上周 3.对比 4.生成报告调用 query_sales(week="上周") SQL查询上周销量数据返回结果更新工作记忆调用 query_sales(week="上上周") SQL查询上上周销量数据返回结果更新工作记忆对比分析 + 生成报告返回报告写入会话历史写入"用户查询了9月销售对比"

图：Agent 完整任务执行的端到端时序

5.2 三层之间的状态同步

三层组件之间的状态同步是 Agent 工程化中最容易出问题的地方。常见故障模式：

故障	原因	后果	解决方案
记忆不一致	工作记忆和会话记忆未同步	Agent "忘记"刚才说的话	每轮推理后同步工作→会话
工具结果丢失	工具返回结果未写入工作记忆	Agent 重复调用同一工具	工具结果立即写入工作记忆
长期记忆污染	无价值信息写入长期记忆	检索结果噪声多	写入前过滤，定期清理
上下文膨胀	所有信息都留在工作记忆	Token 超限、成本飙升	主动压缩 + 丢弃策略

5.3 架构设计的状态图

#mermaid-svg-XsJOWxZG0JydCymp{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-XsJOWxZG0JydCymp .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-XsJOWxZG0JydCymp .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-XsJOWxZG0JydCymp .error-icon{fill:#552222;}#mermaid-svg-XsJOWxZG0JydCymp .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-XsJOWxZG0JydCymp .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-XsJOWxZG0JydCymp .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-XsJOWxZG0JydCymp .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-XsJOWxZG0JydCymp .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-XsJOWxZG0JydCymp .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-XsJOWxZG0JydCymp .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-XsJOWxZG0JydCymp .marker{fill:#333333;stroke:#333333;}#mermaid-svg-XsJOWxZG0JydCymp .marker.cross{stroke:#333333;}#mermaid-svg-XsJOWxZG0JydCymp svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-XsJOWxZG0JydCymp p{margin:0;}#mermaid-svg-XsJOWxZG0JydCymp defs #statediagram-barbEnd{fill:#333333;stroke:#333333;}#mermaid-svg-XsJOWxZG0JydCymp g.stateGroup text{fill:#9370DB;stroke:none;font-size:10px;}#mermaid-svg-XsJOWxZG0JydCymp g.stateGroup text{fill:#333;stroke:none;font-size:10px;}#mermaid-svg-XsJOWxZG0JydCymp g.stateGroup .state-title{font-weight:bolder;fill:#131300;}#mermaid-svg-XsJOWxZG0JydCymp g.stateGroup rect{fill:#ECECFF;stroke:#9370DB;}#mermaid-svg-XsJOWxZG0JydCymp g.stateGroup line{stroke:#333333;stroke-width:1;}#mermaid-svg-XsJOWxZG0JydCymp .transition{stroke:#333333;stroke-width:1;fill:none;}#mermaid-svg-XsJOWxZG0JydCymp .stateGroup .composit{fill:white;border-bottom:1px;}#mermaid-svg-XsJOWxZG0JydCymp .stateGroup .alt-composit{fill:#e0e0e0;border-bottom:1px;}#mermaid-svg-XsJOWxZG0JydCymp .state-note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-XsJOWxZG0JydCymp .state-note text{fill:black;stroke:none;font-size:10px;}#mermaid-svg-XsJOWxZG0JydCymp .stateLabel .box{stroke:none;stroke-width:0;fill:#ECECFF;opacity:0.5;}#mermaid-svg-XsJOWxZG0JydCymp .edgeLabel .label rect{fill:#ECECFF;opacity:0.5;}#mermaid-svg-XsJOWxZG0JydCymp .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-XsJOWxZG0JydCymp .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-XsJOWxZG0JydCymp .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-XsJOWxZG0JydCymp .edgeLabel .label text{fill:#333;}#mermaid-svg-XsJOWxZG0JydCymp .label div .edgeLabel{color:#333;}#mermaid-svg-XsJOWxZG0JydCymp .stateLabel text{fill:#131300;font-size:10px;font-weight:bold;}#mermaid-svg-XsJOWxZG0JydCymp .node circle.state-start{fill:#333333;stroke:#333333;}#mermaid-svg-XsJOWxZG0JydCymp .node .fork-join{fill:#333333;stroke:#333333;}#mermaid-svg-XsJOWxZG0JydCymp .node circle.state-end{fill:#9370DB;stroke:white;stroke-width:1.5;}#mermaid-svg-XsJOWxZG0JydCymp .end-state-inner{fill:white;stroke-width:1.5;}#mermaid-svg-XsJOWxZG0JydCymp .node rect{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-XsJOWxZG0JydCymp .node polygon{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-XsJOWxZG0JydCymp #statediagram-barbEnd{fill:#333333;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-cluster rect{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-XsJOWxZG0JydCymp .cluster-label,#mermaid-svg-XsJOWxZG0JydCymp .nodeLabel{color:#131300;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-cluster rect.outer{rx:5px;ry:5px;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-state .divider{stroke:#9370DB;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-state .title-state{rx:5px;ry:5px;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-cluster.statediagram-cluster .inner{fill:white;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-cluster.statediagram-cluster-alt .inner{fill:#f0f0f0;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-cluster .inner{rx:0;ry:0;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-state rect.basic{rx:5px;ry:5px;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-state rect.divider{stroke-dasharray:10,10;fill:#f0f0f0;}#mermaid-svg-XsJOWxZG0JydCymp .note-edge{stroke-dasharray:5;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-note rect{fill:#fff5ad;stroke:#aaaa33;stroke-width:1px;rx:0;ry:0;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-note rect{fill:#fff5ad;stroke:#aaaa33;stroke-width:1px;rx:0;ry:0;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-note text{fill:black;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram-note .nodeLabel{color:black;}#mermaid-svg-XsJOWxZG0JydCymp .statediagram .edgeLabel{color:red;}#mermaid-svg-XsJOWxZG0JydCymp #dependencyStart,#mermaid-svg-XsJOWxZG0JydCymp #dependencyEnd{fill:#333333;stroke:#333333;stroke-width:1;}#mermaid-svg-XsJOWxZG0JydCymp .statediagramTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-XsJOWxZG0JydCymp :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 收到用户输入
需要历史上下文
获取记忆
无需检索
需要工具
无需工具
工具返回结果
需要继续
任务完成
写入记忆
返回用户
重试（可恢复错误）
不可恢复错误
返回降级结果
空闲
感知
检索记忆
规划
执行
生成
评估
更新记忆
降级

图：Agent 状态机的完整生命周期

图：Agent三位一体组件协作的全景示意图

六、常见架构设计陷阱

6.1 陷阱一：工具过载

现象：把所有可能的工具一次性塞给模型，导致 System Prompt 超长、模型选错工具。

根因：没有工具加载策略，所有工具始终可用。

解决方案：动态工具加载------根据任务类型只加载相关工具。

python 复制代码

# 按任务类型分组工具
TOOL_GROUPS = {
    "data_analysis": ["query_db", "statistical_analysis", "generate_chart"],
    "content_creation": ["search_web", "write_article", "format_markdown"],
    "dev_ops": ["check_logs", "restart_service", "run_script"],
}

def get_tools_for_task(task_type: str) -> list:
    """根据任务类型返回相关工具集"""
    return TOOL_GROUPS.get(task_type, [])

6.2 陷阱二：记忆无限膨胀

现象：长期记忆越积越多，检索质量持续下降。

根因：没有遗忘机制和记忆评分策略。

解决方案：记忆分级 + 定期清理。高频访问的记忆保留，低频访问且过时的记忆遗忘。

6.3 陷阱三：线性思维链

现象：Agent 按固定步骤执行，遇到异常时不知道调整计划。

根因：System Prompt 规定了固定执行流程。

解决方案：给 Agent 反思和重新规划的能力。

七、适用边界

7.1 三位一体架构的适用场景

✅ 适合：

需要多步推理的复杂任务
需要调用外部工具的业务流程
需要跨会话保持上下文的应用
需要自主决策的场景

7.2 不适用场景

⚠️ 不适合：

单轮问答（用 RAG 就够了，不需要 Agent 架构）
固定流程的自动化（用传统工作流引擎更可靠）
对延迟极敏感的场景（Agent 循环推理会增加延迟）
对确定性要求极高的场景（LLM 推理有随机性）

7.3 架构选择的决策建议

场景	推荐架构	理由
知识问答	RAG（非Agent）	单轮检索足够，不需要循环
多步信息查询	轻量 Agent（模型+工具）	不需要长期记忆
个性化助手	完整三位一体	需要跨会话记忆用户偏好
业务流程自动化	完整三位一体	需要工具调用+状态管理
数据分析	轻量 Agent（模型+工具）	不需要长期记忆但需要工具

八、总结

图：Agent三位一体架构核心设计要点总结图

8.1 核心观点

本文将 AI Agent 的核心架构拆解为"三位一体"------模型（大脑）+ 工具（双手）+ 记忆（海马体）。三个组件不是线性串联，而是在一个循环中持续交互：模型读取记忆→规划→调用工具→评估结果→更新记忆→继续规划。

三层之间最关键的工程挑战是状态同步------工作记忆、会话记忆和长期记忆之间的协调策略决定了 Agent 的实际表现。记忆不是越多越好、工具不是越多越好，关键在于"按需"------按需加载工具、按需检索记忆、按需写入记忆。

8.2 下篇预告

下一篇《从 Prompt Engineering 到 Agent Engineering：开发范式的代际跃迁》将从架构层面走向开发方法论，分析 Agent 时代的开发范式如何从"调 Prompt"进化为"设计系统"，以及这种范式转变对开发者技能树的影响。

AI Agent 的三位一体架构：模型（大脑）+ 工具（双手）+ 记忆（海马体）的深度解析

摘要

文章目录

一、为什么用"三位一体"来理解 Agent？

1.1 一个直觉类比

1.2 为什么不是"两部分"或"四部分"

二、模型层：Agent 的大脑

2.1 LLM 在 Agent 中的角色

2.2 不同模型在 Agent 场景下的能力差异

2.3 模型层的工程设计

三、工具调用层：Agent 的双手

3.1 工具调用的三种模式

3.2 工具设计原则

3.3 工具管理的演进

四、记忆系统层：Agent 的海马体

4.1 为什么 Agent 需要记忆？

4.2 三层记忆架构

4.3 记忆管理的核心挑战

五、三位一体的协作机制

5.1 完整的任务执行时序

5.2 三层之间的状态同步

5.3 架构设计的状态图

六、常见架构设计陷阱

6.1 陷阱一：工具过载

6.2 陷阱二：记忆无限膨胀

6.3 陷阱三：线性思维链

七、适用边界

7.1 三位一体架构的适用场景

7.2 不适用场景

7.3 架构选择的决策建议

八、总结

8.1 核心观点

8.2 下篇预告

参考资料