Agent（智能体）
一种让LLM自主决策和行动的架构模式，核心公式：Agent = LLM + 工具 + 记忆 + 规划。与Chatbot（一问一答）和Copilot（辅助人类）不同，Agent能自主分解任务、选择工具、执行并纠错。
Agent（智能体）
一句话理解
不是一个新模型，而是一种让 LLM 从"被动回答"变成"主动行动"的架构模式。
核心组成
Agent 的本质是将多个核心组件组装到一起：
- LLM（大脑）— 负责推理和决策
- 工具（手脚）— Function Calling / MCP 提供的外部能力
- 记忆（知识）— RAG 提供的外部知识检索
- 规划（调度）— 把复杂任务拆解为子任务，决定执行顺序
类比：LLM 是 CPU，工具是 I/O 设备，RAG 是硬盘，Agent 是操作系统——OS 的核心职责就是调度。
Agent vs Chatbot vs Copilot
当前绝大多数标榜"Agent"的产品本质还是 Copilot——人仍然在决策回路中。真正自主的 Agent 仍处于早期阶段。
核心机制：ReAct 循环
Agent 最常用的执行框架是 ReAct（Reasoning + Acting）：
- Thought（推理）— 分析当前状态，决定下一步
- Action（行动）— 调用工具执行操作
- Observation（观察）— 获取执行结果
- 回到第 1 步，直到任务完成
这个循环本质是一个有限状态机：根据当前状态决定动作，执行后观察结果进入新状态，循环往复直到达成目标。
当前局限
- 规划不稳定：复杂任务容易"跑偏"
- 错误级联：一步错，后续全错
- 安全边界：能操作工具意味着能造成真实后果
Agent 的现状是"有用但脆弱"——适合结构化、有明确边界的任务，不适合开放式、高风险的场景。