AI Agent 相关介绍

什么是agent

Agent是以大语言模型为核心计算引擎，能够自主理解、规划决策、执行负责任务的智能体。

Agent 的四大核心能力：目标驱动（Planning）、工具使用（Tools)、记忆保持(Memory）、自主决策（Action）。

Agent = LLM + Memory + Tools + Planning + Action

LLM：大语言模型，是Agent的大脑，需要用大模型来理解用户的需求，分析该做什么，决定要调用什么工具等等。

Memory：记忆，因为AI助理一般需要多个步骤来执行的，所以记忆是必要的。记忆除了我们前面介绍过的短期记忆以外，在agent的实际落地中，还需要长期记忆，这个我们在agent这个部分会重点讲解。

Tools：工具，agent需要能使用工具，这里的工具可以是我们在介绍spring ai的时候提到的function，也可以是MCP，甚至是另一个agent。

Planning：规划能力，这个是agent中非常重要的能力，需要理解需求后做规划，这样才能更好的解决问题，这部分需要通过提示词工程来提升模型的理解和规划能力。

Action：任务执行，这一步也很重要，一般来说就是调用工具做执行。如果agent没有执行能力，那么就一点意义都没有了。

基于系统的控制方式，我们将Agent分为两类：Workflow Agent / 编排型智能体、Autonomous Agent / 自主型智能体

针对用户的提问，LLM会先进行思考（Thought），指定行动计划，行动计划中包括使用哪些工具，接着进行工具执行（Action），在工具执行之后，观察（Observation）工具执行的结果，基于结果继续思考后续的行动计划。如果需要执行工具就继续执行，直到LLM认为所有行动都做完了为止

它能够做观察和反思，并且在后续行动中进行修正

ReAct Agent有下面三步，让 LLM 在每一步交替输出：

Plan-and-Execute（规划-执行）是一种先进的 AI Agent 架构模式，其核心思想是"先全局规划，后精准执行"。这种模式通过将"思考"与"行动"解耦，专门用于解决传统 ReAct 范式在处理复杂、长链路任务时容易跑偏、陷入死循环以及缺乏全局视野的问题。

一个完整的 Plan-and-Execute 系统通常包含三个核心组件：

规划器（Planner）：负责将用户的复杂目标拆解为有序、可执行的子步骤列表，明确各步骤之间的依赖关系与工具映射。通常由高性能的大语言模型（LLM）担任。
执行器（Executor）：负责按照既定计划逐步骤调用工具或执行操作，记录执行结果与状态。执行器专注于落地，无需进行全局推理，可使用轻量化模型以降低成本。
重规划器（Replanner）：负责动态调整计划。当执行失败、环境发生变化或发现新信息时，基于当前状态对计划进行局部或全局更新，避免任务卡死

它是一种让模型自我批判、自我修正的策略。其核心思想是：让大语言模型（LLM）在完成任务后，对其自身的行为或输出进行批判性反思，并基于反思结果进行改进。

虽然我们有了ReAct或者Plan and Execute等agent架构，但是人们发现还是很多时候在Agent执行后存在一定的问题，因为模型幻觉天然存在，于是有人提出给agent引入反思机制。

Human-in-the-Loop（简称 HITL）指的是在 AI 系统中的自动决策或执行过程中，引入人类用户作为"必要参与者"，在关键节点对 AI 的行为和结果进行审查、确认或修正，而不是让模型完全自动完成端到端的执行。

在 Agent 场景下，HITL 的核心并不是用户参与推理，而是：

在用户允许的边界内，让 Agent 自动运行；一旦即将执行高风险或高不确定性的动作，必须经过人工确认。

HITL 本质上是一种流程控制机制。

多智能体（Multi-Agent）是指由多个Agent组成的系统，这些智能体能够感知环境、做出决策、与其他智能体交互，并协同或竞争以完成特定任务

多智能体通过动态任务分解、专业化分工和协作来解决一个复杂的问题。这样的多智能体方案可以做专业化分工、高效的解决复杂问题

常见的协作模式

这个模式叫做子智能体模式,核心思想就是，一个主Agent将其他子Agent视为工具（Tool），在需要时调用。控制器管理编排，而作为工具的子Agent执行特定任务并返回结果

主Agent负责决定调用哪个子Agent，提供什么输入，以及如何组合结果。子Agent是无状态的------它们直接和用户交互，所有的对话和记忆都由主代理维护。这提供了上下文隔离：每个子代理的调用都在一个干净的上下文窗口中工作，防止主对话中的上下文膨胀

HandOff翻译成接管/交接，这种模式在很多框架中也有定义，比如Langchain、Spring AI Alibaba、Pydantic AI、OpenAI、Autogen等。几乎都叫做Hand off，最多有的加个前缀，有的在后面加个s啥的。

其核心思想是：一个"当前"智能体在处理用户请求时，如果发现自己无法或不适合继续处理，它会主动将任务"交接"（hand off）给另一个更专业的智能体，并将控制权转移过去

上面的hand off这种模式中，是由当前agent主动移交给下一个agent的，那还有一种可以引入一个组织者的方案。

这种模式比较典型的就是autogen中的chat group（群聊）模式。

群聊模式是指：一组具有不同专业角色的智能体（Agents）

这种模式特别适合将复杂任务动态分解为多个子任务，并交由最合适的专家智能体处理。