什么是 AI Agent：从对话到行动

2026-08-12 · 入门

大语言模型本身只会"说"。让它能"做"，需要把模型放进一个循环里：模型看到任务和环境状态，决定下一步调用哪个工具，工具执行后把结果交还给模型，直到任务完成。这个循环就是 Agent 最朴素的形态。

三个组成部分

模型负责规划和判断；工具是它伸向世界的手，可以是读文件、执行命令、查询数据库，也可以是调用另一个 Agent；运行时负责把两者串起来，并管理权限、预算和终止条件。

和传统自动化的区别

传统脚本按预先写好的分支执行，遇到没预料到的情况就失败。Agent 把"下一步做什么"交给模型在运行时决定，所以能处理开放式任务，代价是结果不再完全可预测，需要额外的验证手段。

一个最小例子

while not done:
    step = model.decide(task, history)      # 选择工具和参数
    result = tools[step.name](**step.args)  # 执行
    history.append((step, result))          # 反馈
    done = step.name == "finish"

真实系统里，围绕这十行代码要补上的东西——工具描述、错误恢复、成本控制、审计日志——才是工程量所在。后面的文章会逐个展开。