什么是 AI Agent？

AI Agent 是能够感知环境、做出决策并采取行动以实现目标的系统。它们超越了简单的提示-响应交互。

模式 1：ReAct（推理+行动）

模型在推理和行动之间交替。最适合工具使用型应用。

  • 思考 → 行动 → 观察 → 思考 → 行动 → ...
  • 简单有效，广泛使用。

模式 2：计划执行

先创建完整计划，然后逐步执行。更适合复杂的多步骤任务。

  • 计划：将任务分解为有序子任务。
  • 执行：按顺序完成每个子任务。
  • 重新计划：根据中间结果调整计划。

模式 3：多 Agent 协作

多个专业化 Agent 协同工作，各自处理问题的不同方面。

  • 编排器：协调其他 Agent。
  • 专家：编码 Agent、研究 Agent、审查 Agent。
  • 通过共享状态或消息传递通信。

模式 4：反思/自我批评

Agent 审查自己的输出并迭代改进质量。

  • 生成 → 批评 → 修改 → 批评 → 最终输出。

模式 5：人机协作

Agent 提出行动但需要人类批准关键决策。

选择模式

  • 简单工具使用：ReAct
  • 复杂工作流：计划执行
  • 大型项目：多 Agent
  • 高风险输出：反思 + 人机协作

高级 Agent 模式

  • 反思模式：Agent 审查自己的输出并迭代。复杂任务质量提升 20-40%，但延迟翻倍。
  • 规划模式：将复杂目标分解为子任务，按序执行。
  • 多 Agent 协作：专业化 Agent（研究员、编码者、审查者）通过协调者协作。
  • 工具增强 Agent：通过 MCP 或函数调用动态发现和使用工具。

生产考虑因素

  • 错误恢复：构建重试逻辑、回退路径和断路器。
  • 成本控制：每个 Agent 步骤都有成本。设置最大迭代次数和 token 预算。
  • 可观测性：记录每个决策、工具调用和中间结果。
  • 人在回路：高风险决策需人工审批。